PDF OCR 可搜尋轉換

掃描PDF本質上是一疊圖片：您能看見文字，卻無法選取、搜尋或複製。OCR（光學字元辨識）從圖片中讀取文字，並將其以不可見文字層精確疊加在每一頁上。外觀完全不變，但PDF變得可以搜尋，文字也可以選取。這正是政府機關、檔案室和全文搜尋系統所期望的標準格式。

輸出格式可選：可搜尋PDF（原始頁面加文字層）或TXT純文字。從清單中設定文件語言，支援113種語言，從德語、英語、俄語、阿拉伯語、印地語到日語、韓語和中文，每種語言均以自身名稱顯示。所有處理均透過WebAssembly在瀏覽器中執行：與「圖片辨識文字」工具相同的開源Tesseract引擎，逐頁套用於整個PDF。首次使用時瀏覽器一次性下載引擎和所選語言模型（數MB，同源）；之後離線可用。

本工具適用於掃描或圖片型PDF。辨識品質高度依賴掃描品質：清晰、端正且對比高的印刷頁面辨識效果極佳，傾斜或模糊的頁面效果較差；手寫文字無法可靠辨識。在可搜尋PDF中，每頁會以圖片形式重新嵌入，因此已含真實文字的PDF無需OCR處理。請核查數字和專有名詞的辨識結果。

文字辨識通常是雲端的領地：知名OCR服務會把每份掃描檔上傳到自己的伺服器處理 - 偏偏是合約、醫療報告或證件這類文件。在這裡，整個辨識過程由編譯成WebAssembly的Tesseract在你的瀏覽器裡完成，全部113個語言包都託管在gottrix自己的伺服器上 - 辨識過程中不會從第三方載入任何內容。語言清單還會根據你的介面語言預先選好。免費、無需帳戶、頁數不限。

技術規格

三個步驟

1. 拖入掃描PDF。
2. 選擇輸出格式（可搜尋PDF或文字）及文件語言。
3. 下載可搜尋PDF或TXT。

限制: 適用於掃描/圖片型PDF：透過OCR使其可搜尋（不可見文字層）或輸出純文字。可辨識113種語言及多種文字系統的印刷文字；手寫文字無法可靠辨識。注意：可搜尋PDF中的不可見文字層支援帶全部變音符號的拉丁字母（113種語言中的23種，如波蘭文、捷克文、越南文、土耳其文）、希臘文和西里爾文。其他文字系統的字元（如CJK、阿拉伯文、希伯來文、天城文、泰文）會被刻意略去，而不是以亂碼形式嵌入；對於這些文字系統，請使用「僅文字（TXT）」輸出。可搜尋PDF中每頁以圖片形式重新嵌入，版面保留但檔案可能變大；已含真實文字的PDF無需OCR。辨識並非完全準確，請特別核查數字和專有名詞。引擎和語言模型一次性下載（數MB，同源），之後可離線使用。大型PDF因頁數和裝置不同，處理時間和記憶體用量會有所不同。

常見問題

相關工具

圖片辨識文字 (OCR) · PDF轉Word · 壓縮 PDF · PDF轉Markdown文件 · PDF 轉文字 · PDF轉EPUB