pdfMB

OCR PDF

让扫描的 PDF 可以搜索，还能复制里面的文字。页面看起来和原来完全一样，文件始终留在这台设备上。

  • 不上传文件始终留在这台设备上。
  • 语言数据只下载一次只会下载你所选语言的识别数据，然后保存在这台设备上。
  • 免费，无需注册无需账号，也没有每日次数限制。

你的文件会经历什么

下面的一切都在你的浏览器里、在你自己的设备上完成。你的 PDF 或照片从不上传，所以其他任何人（包括我们）都看不到。

  1. 文字识别使用的是 Tesseract，一个免费开源的 OCR 引擎，在你的浏览器中运行。它从 pdfMB 本站加载，而不是来自其他公司的服务器。
  2. 第一次使用某种语言时，会从 pdfMB 下载该语言的数据（0.5 到 3 MB），并由浏览器保存。这是唯一的下载，你的文件哪里也不去。
  3. 每一页先以 300 dpi 绘制成图片，再逐行识别。已经有真正文字的页面会被跳过，除非你要求识别。
  4. 识别出的文字会作为隐藏文字加到页面上，正好覆盖在图片中对应的文字上方。这样在任何 PDF 阅读器里都能搜索、选中和复制。
  5. 页面上的内容不会被重新绘制或再次压缩。新文字追加在文件末尾，原始文件原封不动地保留在其中，一个字节都不变。
  6. 照片按原样放进 PDF（JPEG 照片不会再次压缩），文字叠加在照片上方。
简要步骤
  1. 选择 PDF 或照片
  2. 确认语言
  3. 按 “识别”
  4. 下载或复制文字

如何让扫描的 PDF 可搜索

  1. 选择一个 PDF，或一张或多张文档照片。
  2. 检查语言。系统已为你选好本页面的语言和英语；如果文档里还有其他语言，请一并添加。
  3. 点击“识别”。页面会一页一页地识别，你可以看到正在识别哪一页。
  4. 下载可搜索的 PDF，或复制文字并保存为 .txt 文件。

获得好效果的小建议

  • 如果扫描仪可以设置，请用 300 dpi 扫描。分辨率较低时，小字很难识别。
  • 拍照时让页面平整、正对镜头、光线充足，文字上不要有阴影。“扫描成 PDF”工具可以帮你把页面拉正。
  • 横着或倒着的页面，请先用“旋转 PDF”转正。
  • 只选择文档里真正出现的语言。多余的语言会让识别变慢，还可能带来错误。
  • 手写字、很小的字和花体字识别效果较差，使用前请先检查文字。

常见用途

扫描的合同和信件

在很长的扫描文档里用 Ctrl+F 查找人名、日期或金额，不必一页页翻看。

旧文件和档案

让一整批扫描文件变得可搜索，这样电脑就能按文档里的文字找到它。

通知和收据的照片

从通知、菜单或收据的照片中复制文字，粘贴到消息或翻译工具里。

多语言文档

选择两种或更多语言，例如中文和英语，同一页上的这些语言都会被识别。

做不到的事

  • OCR 会出错，尤其是照片模糊、字很小、有表格或手写的情况。重要的人名、数字和金额一定要核对。
  • 文字按横排逐行识别。竖排的中文或日文，以及横放的页面，无法正确识别。
  • 不会重建版面。你得到的是覆盖在原页面上的可搜索文字，而不是可编辑的 Word 文档。
  • 在我们的测试中，有些语言的识别准确度比其他语言低。它们在语言列表中标有“准确度较低”。
  • 第一次使用某种语言时需要下载语言数据（开始前会显示大小），所以第一次需要联网。
  • 识别在你的设备上进行，所以在较旧的手机上会比较慢，很长的文档可能会耗尽手机内存。请先拆分成几部分。
  • 有密码保护的 PDF，以及所有者禁止修改的 PDF，无法识别。

关于 OCR 的问题

什么是 OCR？

OCR（光学字符识别）就是读取图片中的文字，并把它们变成真正的文本。扫描的 PDF 只是页面的图片，在经过 OCR 之前，无法搜索，也无法复制其中的文字。

我的 PDF 外观会变吗？

不会。文字是以隐藏图层的形式加入的，所以页面看起来完全一样。在我们的测试中，处理前后的页面逐像素完全相同。

我的文档会被上传吗？

不会。文字识别在你的浏览器里运行，唯一下载的是来自 pdfMB 的语言数据。你的文件不会被发送到任何地方。

能识别哪些语言？

本网站的 32 种语言，包括英语、泰语、中文（简体和繁体）、日语、韩语、阿拉伯语、希伯来语、印地语、孟加拉语、缅甸语、俄语和越南语。如果文档混有多种语言，可以同时选择几种。

准确度怎么样？

对于清晰的印刷页面，大多数语言几乎每个字符都能识别正确。照片、小字和某些文字系统会更难。我们测试了每一种语言，并把较弱的标为“准确度较低”。

为什么有些页面被跳过了？

已经有真正文字的页面（例如用 Word 制作的页面）不需要 OCR，所以会保持原样。勾选“已有文字的页面也进行识别”即可照样识别它们。

可以只要文字吗？

可以。识别完成后，文字会显示在下载按钮下方。点击“复制文字”，或点击“下载 .txt”保存为纯文本文件。