如何用 OCR 让扫描版 PDF 变得可搜索

怎么判断 PDF 是不是扫描件？

试着用鼠标选中一句话，或者用 Ctrl+F（Mac 上为 Cmd+F）搜索一个词。如果明明能看到这个词，却什么也选不中、什么也搜不到，说明这一页是图片。

扫描仪扫出来的文档，以及由照片转换成的 PDF，都属于这种情况。

4 步让 PDF 变得可搜索

1. 打开“OCR PDF”工具，选择您的扫描版 PDF。
2. 在“文档语言”中选择文字所用的语言。“法语 + 英语”适合两种语言混排的文档。
3. 选择输出结果：“可搜索的 PDF”保持原有外观，同时文字可以选中；“文本文件”则只输出识别出的文字，按页排列，保存为 .txt 文件。
4. 点击“开始 OCR”，然后下载文件。文件名以“_ocr”结尾。

选择“可搜索的 PDF”时，页面图像保持不变：识别出的文字以不可见的方式放在每一行下方，可以直接搜索或复制。

如何获得更好的识别效果

• 使用清晰、对比度高的扫描件：模糊或颜色太浅的文字很难识别准确。
• 开始 OCR 之前，先用“旋转 PDF”把倒置的页面转正。
• 选对语言：这能明显提高带重音字母的识别准确率。
• 保持勾选“跳过已包含文本的页面”：在混合文档中，只会处理扫描页面。
• 重要的数字和专有名词请再核对一遍：OCR 可能会出错，而且它是为印刷文字设计的，不适合手写文字。

如果没有识别到任何文字，PDFRoll 会提示您：这时请检查所选语言和扫描质量。

OCR 之前和之后

原始材料是用手机拍的照片？先用“扫描为 PDF”，它会把背景变白、让文字更清晰，然后再把得到的 PDF 交给“OCR PDF”处理。

扫描件通常体积较大。如果需要减小文件，请在 OCR 之前压缩，最好使用“推荐压缩”：在 OCR 之后压缩，可能会把页面重新变成图片，抹掉识别出的文字；而 OCR 之前压缩过度，字符会变得不够清晰，识别效果也会变差。文字识别完成后，可以用“PDF 转 Word”在可编辑的文档中继续修改。

隐私安全吗？

文字识别由您的浏览器完成。首次使用时会下载识别引擎（几 MB），但您的文档始终不会离开您的设备。之后每页大约需要几秒钟，具体取决于设备性能。