OCR PDF

扫描版 PDF 说白了就是一叠照片。你没法搜索它，没法从里面复制一段话，也没法把某个编号粘出来。PDFora 的 OCR 工具用 Tesseract 识别这些页面图像里的文字——正是众多严肃文档流水线所信赖的那款开源引擎——并把识别结果交给你，是一份干净的 .txt 文件，可搜索、可编辑、可复用。

这款 OCR 的不同之处在于：它完全在你的浏览器里运行。几乎所有在线 OCR 服务都会把你的扫描件上传到服务器处理，我们不会。识别在你自己的设备上进行，所以护照扫描件、签好字的租约、一页体检结果，都不会被传输到任何地方。对这类文档而言，这不是锦上添花，而是全部意义所在。

工具目前支持识别英语、印地语、西班牙语和法语，运行前先选好语言即可。免费、免注册、不加水印，也不限页数。识别速度取决于你的设备，因为真正干活的是你的处理器，不过在较新的笔记本电脑上，普通一页只需几秒钟。

如何在线对 PDF 做 OCR

1. 用现代浏览器打开 PDFora 的「PDF OCR」工具。
2. 把扫描版 PDF 拖到上传区，或点击从设备中选择。
3. 选择文档语言：英语、印地语、西班牙语或法语。选对语言能大幅提升准确率。
4. 点击「识别文字」，Tesseract 会在浏览器内逐页本地处理。
5. 查看页面完成进度；文档越长，耗时越久。
6. 把识别出的文字下载为 .txt 文件，随意搜索、编辑或复制。

When to use this tool

• 从 60 页的扫描版判决书中提取文字，直接搜索某个条款，不必逐页翻阅。
• 从拍下的教材页面里摘取引文用于论文，不用一个字一个字重敲。
• 把一堆旧的纸质发票数字化，让金额和发票号变成可检索的记录。
• 把扫描的印地语政府通告转成可编辑文本，便于翻译或做摘要。
• 只剩打印稿的文件，扫描后跑一遍 OCR，把文字内容找回来。
• 把会议材料和纸质报告的文字提取出来，在邮件里直接引用，不必截图。

Tips for the best results

• 尽量喂给它最干净的扫描件。300 DPI、光线充足、浅底深字的稿件，识别效果远好于昏暗的手机照片。
• 先把扫描件摆正。页面歪斜会干扰字符识别，倾斜的文档请先用 PDFora 的纠偏工具处理，再做 OCR。
• 语言设置要和文档一致。用英语模型去跑西班牙语信件，结果只会是一团乱码，反之亦然。
• 手机和老旧笔记本上速度会明显偏慢。引擎用的是你设备的处理器，100 页的扫描件该交给台式机，而不是五年前的平板。
• 数字要人工复核。OCR 很强但并非完美，账号和金额里的数字在你依赖它们之前值得用眼睛再扫一遍。