如何用 OCR 讓掃描 PDF 可以搜尋

如何判斷是否需要 OCR

試著在 PDF 中選取一行文字。如果游標能反白單一字詞，代表它已經有文字層；如果什麼都選不到，或整頁被當成一張圖片反白，那就是需要 OCR 的掃描檔。

當您要在冗長的合約中找出某個條款、引用報告內容，或讓檔案庫可以搜尋時，這一點就很重要。

操作步驟

開啟 OCR 辨識 PDF，上傳您的掃描文件。工具會讀取每一頁，並在圖片後方建立文字層。

下載結果。檔案看起來一模一樣，但現在您可以選取、複製和搜尋文字，其他工具也能讀取它。

如何獲得最佳效果

OCR 的準確度取決於掃描品質。端正、對比高、光線充足的掃描幾乎能完美辨識；歪斜或模糊的掃描則會出現較多錯誤。先把傾斜的掃描校正好，就能改善結果。

如果有幾個關鍵數字，一定要和原稿再核對一次，因為面對品質不佳的掃描，沒有任何 OCR 是完美的。

為什麼掃描檔需要 OCR

掃描的 PDF 看起來像文件，但對電腦來說，它只是一張文件的照片。您無法選取、搜尋或複製上面的文字，因為那裡根本沒有文字，只有紙上墨跡的影像。OCR（光學字元辨識）會讀取影像中的字形，重建出實際的字元，在頁面下方加上真正可搜尋、可選取的文字層。

這一步是其他所有操作的前提：掃描檔有了文字層之後，您就能搜尋、複製內容、轉成 Word 並加以編輯。沒有 OCR，掃描的合約實際上就只是一張無法處理的照片。

如何得到準確的結果

OCR 的準確度在很大程度上取決於掃描品質。乾淨、對比高、端正的印刷文字掃描，幾乎能完美辨識；淡掉的影印本、斜著拍的頁面或手寫字，則困難得多。想要最好的效果，請在光線充足的地方掃描或拍攝，讓頁面平整、端正，並盡量使用合理範圍內最高的解析度。

如果頁面掃歪了，先用校正 PDF 傾斜把它擺正，辨識效果會明顯提升，因為文字行真正水平時，OCR 讀起來會可靠得多。

OCR 之後可以做什麼

掃描檔可以搜尋之後，就能好好利用它：轉成 Word 讓內容完全可編輯、從中複製引文或數字，或者單純保存成 PDF 歸檔，日後搜尋文字就能找到。面對大量的掃描紀錄，OCR 能把一堆無法使用的圖片變成可以搜尋的資料庫。