扫描 PDF 转文字(OCR 识别)
扫描件和用照片拼成的 PDF 里没有文字,没法复制也没法搜索。这里把每一页画成图片再识别成文字,结果可以复制或下载为 TXT。文件只在你的浏览器里处理,不会上传。
限制与注意
- 这是自动识别,会出错:字太小或模糊、手写、页面倾斜或弯曲、底纹复杂、对比度低时尤其容易错。页面上给出的“置信度”是识别引擎自己的估计,不是实测准确率。重要用途请务必逐字核对。
- 只输出文字,表格、分栏和版式不会保留;分栏页面的阅读顺序可能错乱。
- 本工具不自动判断页面方向。横着或倒着扫描的页要用“页面方向”选项先转正,否则几乎识别不出来。
- 只输出 TXT,不生成“可搜索 PDF”(那需要内置中文字体,本站暂不提供)。
- 为了不撑爆手机内存,识别用的页面图片最长边限制在 4500 像素以内,超大页面会按比例缩小,并在结果里提示。
- 页数很多时耗时很长(每页几秒到十几秒,手机更慢),建议分批,并保持页面在前台。每识别完一页就会释放那一页的内存。
- 已经有文字的 PDF(Word 导出、网页打印)不需要 OCR,请用PDF 转文字,更快更准。
使用方法
- 选择 PDF,再选文字的语言;中英文混排选“简体中文 + 英文”。
- 只要其中几页就在“页码”里填 1-3, 6;不填就是全部。
- 点“开始识别”。第一次会从本站下载识别引擎和语言数据(简体中文约 2 到 6 MB),之后浏览器会保存语言数据。识别时每页都会显示进度,随时可以取消。
- 对照原文检查结果、改正错字,再复制或下载 TXT。
常见问题
我的 PDF 会被上传吗?
不会。页面绘制和文字识别都在你的浏览器里运行;识别引擎和语言文件从本站下载,PDF 始终留在你的设备上。
为什么第一次比较慢?
要先下载一次识别引擎和语言数据,之后浏览器会直接使用保存的语言数据。
识别出来的汉字之间有空格?
勾选“去掉汉字之间多余的空格”即可;中英文之间的空格会保留。
只想识别一张图片?
用图片转文字。