pdfMB

OCR PDF

讓掃描的 PDF 可以搜尋，還能複製裡面的文字。頁面看起來和原本完全一樣，檔案一直留在這台裝置上。

  • 不上傳檔案一直留在這台裝置上。
  • 語言資料只下載一次只會下載你所選語言的辨識資料，然後保存在這台裝置上。
  • 免費，免註冊不用帳號，也沒有每日次數限制。

你的檔案會經過哪些處理

以下所有步驟都在你的瀏覽器裡、在你自己的裝置上完成。你的 PDF 或照片從不上傳，所以其他任何人（包括我們）都看不到。

  1. 文字辨識使用的是 Tesseract，一個免費開源的 OCR 引擎，在你的瀏覽器中執行。它是從 pdfMB 本站載入，而不是來自其他公司的伺服器。
  2. 第一次使用某種語言時，會從 pdfMB 下載該語言的資料（0.5 到 3 MB），並由瀏覽器保存。這是唯一的下載，你的檔案哪裡也不會去。
  3. 每一頁會先以 300 dpi 繪製成圖片，再逐行辨識。已經有真正文字的頁面會被略過，除非你要求辨識。
  4. 辨識出的文字會以隱藏文字的形式加到頁面上，剛好疊在圖片中相同文字的位置。這樣在任何 PDF 閱讀器裡都能搜尋、選取和複製。
  5. 頁面上的內容不會被重新繪製或再次壓縮。新文字附加在檔案末端，原始檔案原封不動地保留在其中，連一個位元組都不變。
  6. 照片會照原樣放進 PDF（JPEG 照片不會再次壓縮），文字則疊加在照片上方。
簡要步驟
  1. 選擇 PDF 或相片
  2. 確認語言
  3. 按 「辨識」
  4. 下載或複製文字

如何讓掃描的 PDF 可以搜尋

  1. 選擇一個 PDF，或一張以上的文件照片。
  2. 確認語言。系統已幫你選好這個頁面的語言和英文；如果文件裡還有其他語言，請一併加入。
  3. 按下「辨識」。頁面會一頁一頁地辨識，你可以看到目前正在辨識哪一頁。
  4. 下載可搜尋的 PDF，或複製文字並存成 .txt 檔。

得到好結果的小訣竅

  • 如果掃描器可以設定，請用 300 dpi 掃描。解析度較低時，小字很難辨識。
  • 拍照時讓頁面平整、正對鏡頭、光線充足，文字上不要有陰影。「掃描成 PDF」工具可以幫你把頁面拉正。
  • 橫放或顛倒的頁面，請先用「旋轉 PDF」轉正。
  • 只選擇文件裡真正出現的語言。多餘的語言會讓辨識變慢，還可能造成錯誤。
  • 手寫字、很小的字和花俏的字型辨識效果較差，使用前請先檢查文字。

常見使用情境

掃描的合約和信件

在很長的掃描文件中用 Ctrl+F 找人名、日期或金額，不必一頁頁翻閱。

舊文件和檔案資料

讓整批掃描文件都能搜尋，電腦就能依照文件裡的文字找到它。

公告和收據的照片

從公告、菜單或收據的照片中複製文字，貼到訊息或翻譯工具裡。

多語言文件

選擇兩種以上的語言，例如中文和英文，同一頁上的這些語言都會被辨識。

做不到的事

  • OCR 會出錯，尤其是照片模糊、字很小、有表格或手寫的情況。重要的人名、數字和金額一定要核對。
  • 文字是按橫排逐行辨識。直排的中文或日文，以及橫放的頁面，無法正確辨識。
  • 不會重建版面。你得到的是疊在原始頁面上的可搜尋文字，而不是可編輯的 Word 文件。
  • 在我們的測試中，有些語言的辨識準確度比其他語言低。它們在語言清單中標示為「準確度較低」。
  • 第一次使用某種語言時需要下載語言資料（開始前會顯示大小），所以第一次需要連上網路。
  • 辨識在你的裝置上進行，所以在較舊的手機上會比較慢，很長的文件可能會用光手機的記憶體。請先分割成幾個部分。
  • 設有密碼的 PDF，以及擁有者禁止修改的 PDF，無法辨識。

關於 OCR 的問題

什麼是 OCR？

OCR（光學字元辨識）就是讀取圖片中的文字，並把它們轉成真正的文字。掃描的 PDF 只是頁面的圖片，在經過 OCR 之前，無法搜尋，也無法複製其中的文字。

我的 PDF 外觀會改變嗎？

不會。文字是以隱藏圖層的方式加入，所以頁面看起來完全一樣。在我們的測試中，處理前後的頁面逐像素完全相同。

我的文件會被上傳嗎？

不會。文字辨識在你的瀏覽器裡執行，唯一下載的是來自 pdfMB 的語言資料。你的檔案不會被傳送到任何地方。

可以辨識哪些語言？

本網站的 32 種語言，包括英文、泰文、中文（簡體和繁體）、日文、韓文、阿拉伯文、希伯來文、印地文、孟加拉文、緬甸文、俄文和越南文。如果文件混合多種語言，可以同時選擇幾種。

準確度如何？

對於清晰的印刷頁面，大多數語言幾乎每個字元都能辨識正確。照片、小字和某些文字系統會比較困難。我們測試了每一種語言，並把表現較弱的標示為「準確度較低」。

為什麼有些頁面被略過？

已經有真正文字的頁面（例如用 Word 製作的頁面）不需要 OCR，所以會維持原樣。勾選「已有文字的頁面也要辨識」就能照樣辨識它們。

可以只取得文字嗎？

可以。辨識完成後，文字會顯示在下載按鈕下方。按「複製文字」，或按「下載 .txt」存成純文字檔。