如何将 PDF 转为可搜索文档或提取文本
在文本提取和 OCR 识别之间进行选择：数字 PDF、扫描件和混合文档的实际示例。
从一个词开始
在 PDF 阅读器中打开文档并尝试选择并复制一个单词。如果您获得可读文本，则 PDF 已经包含一层文本：“PDF 转文本”可以将其提取出来，无需光学识别。扫描件可能已经有 OCR 层，因此仅凭照片外观不足以区分它。
如何将 PDF 转为可搜索文档
如果您无法选择文字，则该页面可能是图像。 PDF OCR 分析图像并识别 12 种可用语言的字符。选择 TXT 作为可复制文本或可搜索 PDF，以保持带有文本层的页面外观。
第一次使用从网站下载引擎；扫描保留在设备上。一次处理几页，最多 20 页，尤其是在手机上。
混合文档的示例
一份文档包含两页数字文本和三页扫描收据。对数字文本页面使用“PDF 转文本”，仅对收据使用 OCR，可避免重复识别已有的文本。OCR 结果只包含所选页面。
检查数字和阅读顺序
将文本与原文进行比较，尤其是日期、金额、姓名和代码。OCR 不一定能正确还原表格和分栏；提取为 TXT 时不会保留字体和排版。如需保留页面的视觉效果，请使用“PDF 转 JPG 和 PNG”。