OCR PDF
打开PDF按Ctrl+F，什么都找不到——因为那只是张图片。OCR（光学字符识别）工具会逐页分析PDF里的图像，识别每个字符，并在原始页面上方生成一层看不见的文字。
处理后文件外观完全不变，但你可以选取文字、复制段落、用Ctrl+F搜索关键词。旧合同、档案扫描件、以图片形式收到的PDF，都能变得真正可用。
OCR选项
选择文档的主要语言以获得最佳OCR准确度。
OCR处理大型文档可能需要几分钟时间。生成的PDF外观相同，但文本可搜索和选择。
最佳效果： 高分辨率扫描（300+ DPI）、白底黑字、标准打印字体。
OCR PDF
扫描的PDF里文字选不了、搜不到？OCR在原图上叠加文字层，外观不变，但从此可以搜索、复制、选取内容。
拖放您的PDF文件到这里
或点击浏览（最大10MB）
开始转换...
OCR处理PDF的原理
OCR逐页分析PDF中的图像，识别其中的字符、词语和段落，然后在原始图像正上方生成一层不可见的文字层。你看到的还是扫描图，但图层下面是真实可操作的文本。
在OCR处理过的PDF里选取文字时，实际上是在操作那个隐藏的文字层。搜索时，PDF阅读器也是扫描这一层。由于每个字符的位置与图像中完全一致，选取高亮会精准对齐扫描的文字，不会错位。
识别精度主要取决于扫描质量。300 DPI以上、白底黑字、常见印刷字体的条件下，精度可达95%—99%。图像模糊、纸张泛黄、特殊字体或页面歪斜都会影响识别率。手写字体尤其难处理，标准OCR对此并不擅长。
操作步骤
- 上传扫描PDF — 将文件拖入上传区，支持含扫描页或图片页的任意PDF。
- 选择语言 — 选择文档的主要语言，帮助OCR引擎更准确地识别字符。
- 执行OCR — 工具逐页分析，识别文字，构建可搜索的文字层。
- 下载结果 — 外观与原件相同，但文字现在可选取、可搜索。
支持的语言
不同语言的识别精度有差异，以下是大致情况：
精度优秀
- • 英语
- • 德语
- • 法语
- • 西班牙语
- • 意大利语
- • 葡萄牙语
精度良好
- • 荷兰语
- • 波兰语
- • 俄语
- • 中文（简体）
- • 日语
- • 韩语
已支持
- • 阿拉伯语
- • 印地语
- • 泰语
- • 越南语
- • 希腊语
- • 希伯来语
常见使用场景
档案数字化
扫描的历史文件、旧合同、纸质记录变得可检索。数千页里找一个词，几秒搞定，不用逐页翻阅。
法律文书处理
扫描的法律文件变得可搜索。查人名、日期、特定条款，不用一页一页地读。
学术研究
扫描的期刊论文、旧书可以直接引用。选中段落复制即可，不必重新录入。
企业文档管理
以扫描件形式收到的发票、收据、合同可以被索引和检索，方便财务归档和合规管理。
无障碍访问
扫描PDF对屏幕阅读器来说是空白。经过OCR处理后，视障用户才能正常访问文档内容。
数据提取
文字可选取后，就能复制到Excel、Word等工具里用。扫描的表格、表单数据不用手动录入了。
影响识别精度的因素
效果最好的条件
- • 扫描分辨率300 DPI以上
- • 白底黑字
- • 常见印刷字体
- • 页面平整无歪斜
- • 纸张干净无污迹
- • 整体对比度良好
影响精度的情况
- • 低分辨率（200 DPI以下）
- • 彩色或有花纹的背景
- • 装饰性或特殊字体
- • 页面歪斜或旋转
- • 污渍、折痕或破损
- • 手写文字
处理后PDF有什么变化
OCR处理完成后，PDF同时包含原始扫描图像和新增的文字层。文件体积会略微增大，根据每页文字密度大约增加10%—30%。视觉外观完全不变，变化的是可用性：
- 文字可以被选取和复制
- Ctrl+F可以在任意页面检索关键词
- PDF阅读器可以对内容建立索引
- 屏幕阅读器可以朗读文档
- 可用其他工具提取文本内容
技术规格
- OCR引擎： Tesseract 5.x（内置LSTM神经网络）
- 输出格式： 带不可见文字层的PDF（兼容PDF/A）
- 处理方式： 逐页分析，多线程并行
- 语言支持： 100余种语言
- 文件大小： 因文字层增加约10%—30%
- 原始画质： 扫描图像不作任何修改