PDFFileProductivity
PDF OCR
通过浏览器内 OCR 识别扫描或基于图像的 PDF 中的文本,并在每页上叠加一层不可见、可选中的文本层。支持英语、尼泊尔语和印地语。
Drag & drop your PDF
or choose a file below
PDF · up to 50 MB
OCR 在这里的工作原理
上传一份扫描的 PDF 并选择一种语言。每一页都会在浏览器中进行 OCR 识别,并在原始图像上叠加一层不可见、可选中的文本层。
语言与隐私
支持英语、尼泊尔语和印地语。OCR 在你的浏览器本地运行,因此你的文档从不离开你的设备。
分步操作:让扫描版 PDF 可搜索
1. 将扫描版 PDF 拖到上传区域,或从设备中选择。支持最大 50 MB 的文件。
2. 选择文档语言:英语、尼泊尔语、印地语,或在同一页混用两种文字时选择“英语 + 尼泊尔语”等组合选项。
3. 选择“使 PDF 可搜索”。每一页会先渲染为图像,再逐页识别;进度条会显示正在读取的页面。
4. 识别完成后,摘要会显示页数、识别出的单词数和新文件的大小。
5. 下载可搜索的 PDF(保存时在原文件名后加上“-ocr”),也可以将识别出的文本另存为 .txt 文件。
下载文件包含的内容
可搜索 PDF 的每一页都是原始页面渲染成的高分辨率 JPEG 图像,识别出的文字以不可见文本的形式覆盖在其被找到的位置上。页面外观与之前相同,但现在可以用 Ctrl+F 搜索、选中并复制段落,也能让文档管理系统为内容建立索引。.txt 文件包含所有页面识别出的纯文本,各页之间以空行分隔,适合只需要文字来编辑或粘贴到其他地方的情况。由于页面是由图像重新生成的,原有的数字文本、链接、书签和表单字段不会保留,因此请将此工具用于扫描或拍摄的文档,而不是已经可以选中文字的 PDF。
如何选择文档语言
语言设置用于告诉识别引擎应预期哪种文字和词汇。拉丁字母文档选择英语,天城文文本选择尼泊尔语或印地语;如果同一页同时包含两者,例如带英文标题的尼泊尔语表格,则选择组合选项。组合选项耗时更长,在单一语言页面上准确度可能略低,因此仅在需要时使用。语言数据会在首次使用时下载,所以第一页可能需要更长时间;文档本身仍在你的设备上处理。
尼泊尔语和印地语文档
不可见文本层使用仅支持拉丁字符的标准 PDF 字体,因此天城文单词虽然能被识别,但无法嵌入可搜索的 PDF 中。对于尼泊尔语或印地语文档,请使用“下载文本 (.txt)”获取完整的识别结果。在英语 + 尼泊尔语或英语 + 印地语的混合页面上,英文单词仍可在 PDF 中搜索。
提高准确度的建议
• 以约 300 dpi 扫描,或用手机拍摄清晰、光线均匀的照片;模糊、歪斜或对比度低的页面会产生更多错误。
• 运行 OCR 前,先用“旋转 PDF”把侧放或倒置的页面转正。
• 手写字、装饰性字体、复杂表格和极小的字号识别可靠性较低,请核对结果中的姓名、日期和数字。
• 长文档耗时更久,因为每一页都在浏览器中处理;可用“拆分 PDF”将超大文件分成几部分分别处理。
常见用途
• 将扫描的合同、收据和信件转为可按姓名、日期或金额搜索的文件。
• 让复印的笔记、旧书和纸质试卷便于查找内容。
• 为需要文本层的档案库或文档管理系统准备扫描文档。
• 无需重新输入即可从扫描报告中复制段落。
常见问题
是的。每页上都会放置一层不可见的文本层,让你可以选中并搜索识别出的文本。