PDF OCR
把扫描版 PDF 变成可以搜索、选中和复制文字的文件。页面看起来完全不变，文字作为一层看不见的图层叠在上面。全部在你的浏览器里完成，扫描件绝不会离开这台设备。
把扫描版 PDF 拖到这里
你的文件留在这台设备上，不会上传任何内容。
如何对扫描版 PDF 做 OCR，让它可以搜索
- 把扫描版 PDF 拖到上面的框里，或点击「选择 PDF 文件」。页面会检查哪些页是图片、哪些已经有文字。
- 选择文档所用的语言。下载开始之前，会先显示它的大小。
- 点击「转成可搜索 PDF 并下载」，等每一页识别完。随时可以点「停止」取消。
- 打开下载好的 PDF，试着搜索一下。点「下载文字（.txt）」可以单独拿到文字。
「PDF OCR」能做什么
扫描仪和手机扫描应用会把每一页存成一张图片。这样的 PDF 看起来像文档，用起来却像照片：不能搜索，不能选中一句话，也不能让设备朗读。这个工具识别每张图片里的文字，再把它们作为看不见的文字铺在页面上，同一个文件就能搜索了。
能做的事
- 识别扫描页面上的印刷文字，逐页加上一层看不见、可搜索的文字层
- 每一页看起来都和原来完全一样；不重新绘制，也不重新压缩
- 跳过原本就有文字的页面，并告诉你是哪几页
- 能识别十六种语言，包括中文、日语、韩语、印地语和尼泊尔语，每种语言只在你选中时才从本站下载
- 另外把识别出的文字给你一份 .txt 文件
不做的事
- 上传你的扫描件；识别引擎就在这个浏览器标签页里运行
- 识别手写字
- 挽救质量差的扫描件：字迹淡、模糊、太小或歪斜，识别出来就会有错，识别吃力的页面会被一一指出
- 把版式重建成可编辑的文档；之后可以用「PDF 转 Word」从可搜索的文件里取出文字
- 识别阿拉伯文或其他从右往左书写的文字，目前还不行
- 把横着的页面转正；请先用「旋转 PDF」
最后更新
需要把它发给别人吗？
我们的姊妹站 QRSansar 可以托管一份文档，并给你一个短链接和二维码，用在 WhatsApp、幻灯片、海报或印刷材料上都很方便，而且完全绕开附件大小限制。之后你还可以换掉文件，链接和二维码照常有效。
区别值得说清楚：那是一项托管服务，所以你的文件确实会上传到它那里。PDFsansar 上的一切都留在你的设备上；分享是唯一做不到这一点的事。
在 QRSansar 上分享文档 →其他工具
全部免费，全部在这个标签页里运行，不上传任何东西。
PDF OCR: 常见问题
我的扫描件会被上传吗？
不会。识别引擎 Tesseract 就在这个浏览器标签页里运行。第一次使用时，引擎和你选的语言从本站下载，而不是从别人的网站，之后由你的浏览器保存。PDF 本身在这台设备上读取和重写，绝不会被发送到任何地方。
页面看起来会不一样吗？
不会。每一页都和原来一模一样。文字作为一层看不见的图层，放在扫描件里对应的位置上，所以你选中一句话时，高亮正好落在印出来的字上。不重新绘制，也不重新压缩，文件每页只增加几 KB。
它能识别哪些语言？
英语、西班牙语、法语、德语、葡萄牙语、意大利语、印度尼西亚语、马来语、菲律宾语、斯瓦希里语、越南语、印地语、尼泊尔语、简体中文、日语和韩语。选择文档所用的那一种；每种语言只在你选中时才下载，而且会先显示大小。阿拉伯语暂时没有提供：它能识别，但有些 PDF 阅读器会把结果倒过来显示，而搜不到字的搜索毫无用处。
要多长时间？
在电脑上每页几秒钟。在一台 4 核电脑的 Chrome 里实测，平均每页 3 到 9 秒：收据最快，满页小字的杂志最慢，最费时的一页用了 11 秒。手机会更慢。第一次使用时，识别引擎和语言要先下载完才开始识别，英语大约 4 MB，之后由你的浏览器保存。你可以让它在另一个标签页里继续运行，随时都能按「停止」。
识别准确吗？
干净的印刷页面几乎每个词都能识别出来：在一个标准 OCR 测试集的两页杂志和报告上，99% 的词都识别正确。德语、西班牙语、法语、日语和中文的真实扫描表格是 91% 到 96%。热敏纸上印着小字的购物小票是 79%。错误集中在姓名、数字和小字上，使用之前请核对这些地方。识别结束时，会指出哪些页面识别起来比较吃力。
原本就有文字的页面会怎样？
保持原样，而且开始之前页面会告诉你是哪几页。再识别一次，会在每个字上面再叠一份副本。如果每一页都已经有文字，它会直接说明，什么也不做。
它能识别手写字吗？
不能。Tesseract 是为印刷文字设计的。手写字识别出来要么是乱码，要么什么都没有；任务结束时，会指出哪些页面上没有任何可识别的内容。
能只拿到文字吗？
能。完成后有一个按钮，可以把文字下载成 .txt 文件，各页按顺序排列。原本就有文字的页面，其文字也照原样包含在内。