扫描版 PDF 如何 OCR 识别成可搜索文字

如何判断是否需要 OCR

试着在 PDF 中选中一行文字。如果鼠标能逐个选中单词，说明它已经有文字层。如果什么都选不中，或者整页被当作一张图片高亮，那就是需要 OCR 的扫描件。

当您要在长合同中查找某个条款、引用报告中的内容，或者让档案可以搜索时，这一点就很重要。

操作步骤

打开 PDF OCR 识别，上传扫描文档。工具会读取每一页，并在图片背后生成一层文字。

下载结果。它看起来和原来一模一样，但现在您可以选中、复制和搜索其中的文字，其他工具也能读取它了。

获得最佳效果

OCR 的准确度取决于扫描质量。端正、对比度高、光线充足的扫描件几乎可以完美识别；歪斜或模糊的扫描件出错会更多。先把倾斜的扫描件扶正，可以改善识别效果。

对于少数几个关键数字，请务必与原件核对，因为扫描质量差时，没有哪种 OCR 是完美的。

为什么扫描件需要 OCR

扫描版 PDF 看起来像一份文档，但在电脑看来，它只是一张文档的照片。您无法选中、搜索或复制其中的文字，因为那里根本没有文字，只有一张纸上墨迹的图像。OCR（光学字符识别）会读取图像中的字形并还原出真正的字符，把图片变成页面下方一层真实、可搜索、可选中的文字。

正是这一步让其他一切成为可能：扫描件一旦有了文字层，您就可以搜索它、从中复制、把它转换成 Word，以及编辑它。没有 OCR，一份扫描合同实际上就是一张无法处理的照片。

获得准确的识别结果

OCR 的准确度在很大程度上取决于扫描质量。干净、高对比度、端正的印刷文字扫描件几乎可以完美识别；而字迹模糊的复印件、斜着拍摄的页面或手写内容则难得多。要获得最佳效果，请在光线充足的地方扫描或拍照，保持页面平整端正，并使用合理范围内的最高分辨率。

如果某一页扫歪了，先用 PDF 倾斜校正把它扶正，识别效果会明显提升，因为当文字行真正水平时，OCR 读取起来更可靠。

OCR 之后可以做什么

扫描件可以搜索之后，就能派上用场了：把它转换成 Word 进行全面编辑、从中复制引文或数字，或者干脆把它作为 PDF 存档，以后通过搜索文字就能找到。对于大批量的扫描档案，OCR 能把一堆无法使用的图片变成一个可搜索的资料库。