PDF OCR 可搜索化
用OCR让扫描PDF变为可搜索 - 在浏览器中本地处理，在原始页面下方添加不可见文字层，无需上传。
你的文件
正在你的设备上本地处理 ...
0%
你的文件从未离开你的设备
我的文件会被上传吗？
不会。一切都在你的浏览器中运行，你的文件永不离开你的设备。这一点如何验证
扫描PDF本质上是一叠图片：您能看到文字，却无法选取、搜索或复制。OCR（光学字符识别）从图片中读取文字，并将其精确地以不可见文字层覆盖在每一页上。外观完全不变，但PDF变得可以搜索，文字可以选取。这正是政府机构、档案馆和全文搜索系统所期望的格式。
输出格式可选：可搜索PDF（原始页面加文字层）或TXT纯文本。从列表中设置文档语言，支持100多种语言，从德语、英语、俄语、阿拉伯语、印地语到日语、韩语和中文，每种语言均以自身名称显示，确保字符正确识别。所有处理均通过WebAssembly在浏览器中运行：与「图片转文字」工具相同的开源Tesseract引擎，逐页应用于整个PDF。首次使用时浏览器一次性下载引擎和所选语言模型（几MB，同源）；此后离线可用。
本工具适用于扫描件或图片型PDF。识别质量高度依赖扫描质量：清晰、端正、高对比度的印刷页面识别效果极佳，倾斜或模糊的页面效果较差；手写文字无法可靠识别。在可搜索PDF中，每页会以图片形式重新嵌入，因此已含真实文字的PDF无需OCR处理。请核查数字和专有名词的识别结果。
技术规格
| 输入格式 | |
|---|---|
| 输出格式 | |
| 批量处理 | 支持 |
| 处理方式 | 在浏览器中本地处理 (WebAssembly) |
| 文件上传 | 无 |
三步完成
- 拖入扫描PDF。
- 选择输出格式（可搜索PDF或文本）及文档语言。
- 下载可搜索PDF或TXT。
限制: 适用于扫描/图片型PDF：通过OCR使其可搜索（不可见文字层）或输出纯文本。可识别100多种语言及多种文字体系的印刷文字；手写文字无法可靠识别。注意：可搜索PDF中的不可见文字层使用Latin-1字体，非拉丁字符（如CJK、阿拉伯文、西里尔文）不会嵌入其中；对于这些文字体系，请使用「仅文本（TXT）」输出。可搜索PDF中每页以图片形式重新嵌入，布局保留但文件可能变大；已含真实文字的PDF无需OCR。识别并非完全准确，请特别核查数字和专有名词。引擎和语言模型一次性下载（几MB，同源），之后离线可用。大型PDF因页数和设备不同，处理时间和内存占用会有所不同。
常见问题
我的PDF会被上传吗?
不会。渲染和文字识别完全在浏览器本地运行（WebAssembly），PDF不会离开您的设备。处理合同和官方文件时尤为重要。
什么是可搜索PDF?
页面看起来与扫描原件相同，但其下方有一个不可见的文字层。这样您就可以在PDF中搜索、选取和复制文字，而视觉效果保持不变。
排版布局会保留吗?
会。每页以原始页面的图片形式重新嵌入，不可见文字层精确叠加其上。外观不变，但文件大小可能略有增加。
能识别手写或其他语言吗?
其他语言可以：支持100多种语言（包括阿拉伯语、俄语、印地语、日语、韩语、中文等）。手写文字无法可靠识别，仅支持印刷文字。对于非拉丁文字体系，请使用「仅文本（TXT）」输出，因为可搜索PDF文字层仅限Latin-1。