怎么从扫描版 PDF 里复制文字

简答: 扫描件里只有图片没有文字,要先做 OCR(光学字符识别)。用“PDF OCR 转文字”打开文件,勾选文档的语言,识别后复制或保存文字。清晰的印刷体通常更容易识别;歪斜、模糊和噪点可能明显降低准确率。本页测试样例的结果见正文,不能代表其他文档。识别后一定要校对,尤其是数字和人名。

最后更新:

操作步骤

  1. 用 PDF OCR 转文字打开扫描件在电脑浏览器里打开“PDF OCR 转文字”,选择扫描版 PDF,或者页面的 JPG、PNG 照片。文件留在浏览器里。
  2. 勾选文档语言勾选文档实际使用的语言(英文、简体中文、繁体中文、日文、泰文),不是网站的语言。只勾文档里有的语言:多勾会更慢,也可能增加错误。
  3. 选择页码并开始识别填写要识别的页(每次最多 100 页),点“识别文字”。每页需要几秒。
  4. 复制或保存,然后校对从文本框复制,或保存为 TXT 文件。使用前把数字、人名、金额和扫描件对照一遍。

为什么不能直接复制

扫描仪或手机拍出来的是页面的图片。PDF 里只有这张图片,没有可以选中、复制的文字。用文字层检查可以确认:它会显示“未提取到文字(页面有图像)”。OCR 读这张图片,认出上面的字,再把文字交给你。

识别得准不准:我们的实测

我们把同一张六行的送货通知做成不同质量的扫描页(scan-quality-test-zh.pdf,英文版),2026 年 11 月 12 日在 Chromium 里用本站 PDF OCR 转文字识别。字符错误率 = 错字、漏字、多字的数量 ÷ 原文字数(不计空格):

页面中文:错误率(只计文字和数字)中文:错误率(含标点)英文:错误率(含标点)
300 dpi,清晰1.1%7.8%0%
150 dpi,清晰1.1%7.8%0%
100 dpi,清晰1.1%7.8%0%
150 dpi,倾斜 1.2°、模糊、有噪点、高压缩 JPEG81%83%85%

这组数据说明了什么,没说明什么:

  • 这张清晰的测试页上,分辨率没有影响结果:100 dpi 和 300 dpi 的错误率相同。字号更小或版式更复杂的文件,分辨率可能更要紧。
  • 受损的测试页结果很差:同时歪斜、模糊、有噪点又高压缩的这一页,中英文都没认出可用的文字。这一页同时有四种问题,不能说明其中某一种单独造成多大影响。
  • 中文标点常被认成半角(: 变成 :),破折号 — 被认成汉字“一”。清晰页面上唯一的错字就是这个“一”;全角括号“(”也被认成了“〈”。复制后可以统一替换标点。
  • 这只是一张无衬线字体的测试页,是样例,不是评测。你的文件可能更好,也可能更差。

让扫描件更好认

  • 能选的话用 300 dpi 灰度扫描,文件大不了多少,对小字很有帮助。
  • 页面放平放正;用手机拍时正对页面,光线均匀。
  • 不要选高压缩(“小文件”)的保存设置。
  • 只勾选文档里真正有的语言。
  • 泰文:上方元音上的声调符号常被漏掉(ที่ 被认成 ที),泰文要仔细校对。

其他办法

办法要上传吗说明
本站 PDF OCR 转文字不用电脑浏览器;英文、中文、日文、泰文;每次最多 100 页
本站扫描 PDF 变可搜索不用保留 PDF,加一层看不见的文字
Adobe Acrobat Pro:扫描和 OCR › 识别文本不用(桌面软件)付费;还能编辑识别出的文字
在线转换网站和网盘要方便,但文件会到别人的服务器上,见把 PDF 上传到在线工具安全吗

无论用哪种办法,OCR 的结果都是草稿。使用前对照扫描件校对一遍。

常见问题

我要的是文字,还是可搜索的 PDF?

要把文字用到别处(邮件、文档),用“PDF OCR 转文字”复制出来。要保留 PDF、只是希望能搜索和选中文字,用“扫描 PDF 变可搜索”:它加一层看不见的文字,页面外观不变。

为什么手机上用不了?

识别时每种语言要加载 1–3 MB 的语言数据,每页还要占用不少内存,所以 OCR 工具目前只在电脑浏览器上运行。

能识别手写吗?

不可靠。这里用的识别模型是为印刷体训练的,手写字通常认错或认不出来。

文件会被发到服务器上识别吗?

不会。识别引擎(Tesseract)和语言数据从本站下载到你的浏览器,页面图片就在浏览器里识别。我们记录了页面发出的每一个请求,见“把 PDF 上传到在线工具安全吗”。

Windows 桌面软件

Windows 安装包尚未发布。在发布之前,本网站不提供下载链接。