PDF OCR：让扫描版 PDF 可以搜索
导入扫描版 PDF：每一页都会经过文字识别，识别出的文字以隐藏方式加在图片下面。之后就能搜索关键词、选中和复制文字，而文档外观完全不变。
- 免费
- 15 种语言
- 原图不变
- 在你的设备上处理
100% 隐私保护 — 一切均在您的浏览器中直接处理：您的文件、语音和图像永远不会发送到 Chatzam 的服务器。
如何对 PDF 进行 OCR 文字识别？
-
导入扫描版 PDF
工具会立即找出哪些页面只是图片，哪些页面已经包含文字。
-
选择语言
默认选中中文；如果文档里混有多种语言，再加上英语、日语或其他语言。
-
下载可搜索的 PDF
逐页查看进度，然后下载 PDF，需要时还可以下载 .txt 纯文本。
让扫描件用起来像真正的 PDF
隐藏文字，逐词对齐
每个识别出的词都准确放在对应的图像上：搜索和选中的位置都不会错。
画质无损
页面图片既不重新压缩也不改变尺寸；已经有文字的页面保持不变。
自动纠正歪斜页面
横放或倒置扫描的页面会被检测出来，在识别前转正。
同时识别多种语言
可从 15 种语言中最多选择 5 种，包括中文、英语、日语、韩语、法语和德语。
什么是 PDF OCR？
扫描仪或扫描 App 生成的 PDF 里只有页面的照片：你看到的是文字，软件看到的却只是像素。这时无法用 Ctrl+F 查找姓名，无法复制段落，也无法让朗读软件读出文档。OCR（光学字符识别）会分析图像，找出其中的文字。本工具再把这些文字以隐藏图层的形式放进 PDF，与每个词精确对齐。文档外观完全不变，但变得可以搜索、选中和被索引，就像直接从文字处理软件生成的 PDF 一样。
怎样获得最好的识别效果？
识别质量首先取决于扫描件。以 300 dpi 扫描、光线充足、黑白或灰度模式，印刷文字的识别效果会非常好。页面按约 300 dpi 读取，即使扫描分辨率低一些也有余量。请选上文档中出现的所有语言：比如中英双语的说明书，两种都要加上，否则英文单词或数字会识别得差一些。手写字、印章以及背景很复杂的文字仍然难以识别。OCR 完成后可以测试一下：搜索文档中一个不常见的词，看能否找到。
你的文档始终留在设备上
扫描的 PDF 往往是敏感文件：身份证件、工资条、合同、处方。在这里，文件直接在你的浏览器中打开和读取，绝不会上传到服务器。只有语言模型（每种语言几 MB）会在第一次使用时下载，之后由浏览器缓存。根据设备性能，每页处理需要几秒到二十秒左右，可以随时取消。PDF 变得可搜索后，你还可以用其他 PDF 工具压缩它、转成 Word 或提取文字。
常见问题
怎样让扫描版 PDF 可以编辑？
OCR 会把识别出的文字加到 PDF 里：之后就能搜索、选中和复制。如果要修改内容，可以再用“PDF 转 Word”转换这个可搜索的 PDF，或者把文字导出为 .txt。
我的 PDF 会上传到服务器吗？
不会。PDF 完全在你的浏览器中读取和处理。只有语言模型会在第一次使用时下载，之后保存在缓存里。
得到的 PDF 会变大或者画质变差吗？
原始图片原样保留，不会重新压缩。文件只会增加添加的文字那一点大小，通常是几十 KB。
已经有文字的页面会怎么处理？
它们会被检测出来并保持不变。只有纯图片的页面才会进行文字识别。
能识别手写字吗？
本工具是为印刷体或打字文字设计的。非常工整的手写字可能部分识别出来，但结果并不可靠。