PDF 文字辨識 (OCR)

使 PDF 可搜尋且可複製。

運作方式:

  • 擷取文字: 使用 Tesseract OCR 從掃描的圖片或 PDF 中辨識文字。
  • 可搜尋輸出: 建立一個帶有不可見文字層的新 PDF,使您的文件完全可搜尋,同時保留原始外觀。
  • 字元過濾: 使用白名單過濾不需要的字元,以提高特定文件類型(發票、表單等)的準確性。
  • 多語言支援: 為包含混合語言內容的文件選擇多種語言。

點選以選擇檔案 或將檔案拖曳至此處

您的檔案絕不會離開您的裝置。

使用方式

1

上傳文件

點選或拖曳檔案至此處以開始

2

流程

點選處理按鈕以開始

3

下載

立即儲存處理後的檔案

相關 PDF 工具

合併PDF

免費線上合併 PDF 工具

壓縮PDF

免費線上壓縮PDF工具

分割PDF

免費線上分割PDF工具

編輯PDF

免費線上編輯PDF工具

旋轉 PDF

免費線上旋轉 PDF 工具

常見問題

我如何知道我的 PDF 是否需要 OCR?

在任何檢視器中開啟檔案並嘗試選擇一行文字。如果沒有反白或搜尋找不到匹配項,則頁面只是圖像(掃描件或照片),OCR 會添加缺少的文字。已經具有可選擇文字的 PDF 不需要此工具。

它可以識別哪些語言?

列出了超過 100 個 Tesseract 語言包,從英語、西班牙語到阿拉伯語、印地語、日語和中文。勾選文件中出現的每種語言;這些套件一起加載,因此可以一次識別混合語言頁面。一些自託管部署捆綁了一個較短的列表,並在語言選擇器上方註明。

OCR 會改變我的文件的外觀嗎?

不會。原始頁面原樣複製,並在頂部繪製不可見的文字圖層,逐字定位以匹配掃描件。您會看到與以前相同的圖像,但現在可以搜尋、選擇和複製文字。

我應該使用哪種解析度設定?

預設為「高」(288 DPI),可處理典型的辦公室文件。當速度很重要或文件很長時,請使用標準 (192 DPI),而對於小字體、腳註或品質較差的掃描,請使用 Ultra (384 DPI)。設定越高,需要的時間明顯越長,因為每個頁面在識別之前都會以該尺寸呈現。

角色白名單有什麼作用?

它將輸出限制為一組固定的字符,從而減少了錯誤,例如小寫 l 被讀作 1。 Invoice 預設僅允許使用數字和符號 $ 。 , / - # :, 數字僅適合序號或儀表讀數,自訂可讓您鍵入自己的設定。

可以讀取手寫體嗎?

不可靠。 Tesseract 接受過印刷文本的訓練,因此整齊的大寫字母有時會起作用,但草書大多會產生噪音。在乾淨、明亮的列印頁面上效果最佳;二值化選項有助於褪色或低對比度掃描,以及 PDF 糾偏 首先拉直傾斜的。

我可以只獲取已識別的文本而不是 PDF 嗎?

是的。 OCR 完成後​​,提取的文字將出現在一個框中,您可以在其中查看、將其複製到剪貼簿或將其下載為 ocr-text.txt。可搜尋的 PDF 下載是單獨的,因此您可以選擇其中一個或兩個。

OCR 是否會將我的掃描件上傳到伺服器?

不會。 Tesseract 在瀏覽器中以 WebAssembly 運作;唯一下載的是 OCR 引擎和您選擇的語言包,在第一次需要時取得。掃描的頁面和識別的文字保留在您的裝置上。