识别出的文字会替换掉扫描件吗？

不会。图像原样保留，文字以不可见的方式加在它后面。这正是可检索 PDF 看上去和原件一模一样的原因。

识别时我扫描的页面会被上传吗？

不会。识别引擎跑在你的浏览器里。会去取的只有语言数据，而且只取一次，之后由浏览器缓存。

一次能识别多少页？

每次最多三十页，因为识别足够慢，长文档分批处理更合适。

该选哪一档质量？

先从快的那档开始。字小、扫描件年头久，或第一次结果很乱时，再换更高的一档。

能对已经有文字的 PDF 做 OCR 吗？

可以，但没有意义：先试着选中一个词看看。如果文字已经在了，直接转换就好。

PDF OCR

识别扫描 PDF 里的文字，换回一份可以搜索、可以复制的文件。

PDF OCR 跑在你的设备上，扫描的档案与卷宗都留在你手里。只有语言数据会取一次，并由浏览器缓存。

把可检索的结果转成 Word

关于 PDF OCR

扫描的 PDF 是一份文档的照片。你能读，别的什么都读不了：搜索找不到，复制拿不到，任何靠文字工作的工具都无从下手。文字识别把这件事解决了——它读出字母的形状，并把认出的内容写回文件，成为一层正好覆在印刷文字之上、看不见的文字。页面看上去完全一样，扫描件没被动过，但这份文档从此可搜索、可选中、可转换。识别在你的浏览器里运行，支持十二种语言中的任意一种。

功能特性

识别在你的浏览器里运行——页面绝不上传
十二种语言，含印地语、俄语、中文、日语与阿拉伯语
不可见的文字层覆在原封不动的扫描件之上
两档扫描质量，在小字上权衡速度与准确
除可检索的 PDF 外，还提供纯文本输出
逐页显示进度，长文档可随时停下
语言数据只下载一次，之后由浏览器缓存

如何使用 PDF OCR

把扫描的 PDF 拖到页面上
选择页面上印的语言和一档扫描质量
开始识别，看着它逐页推进
下载可检索的 PDF，或只下载识别出的文字

示例

输入

1987-minutes.pdf — 8 scanned pages, typewritten English

输出

1987-minutes-searchable.pdf — same images, now with selectable text behind them.

看得见的页面没有变化；变的是那些词现在真的在文件里了。

常见错误与故障排除

识别出的文字错得厉害。 — 识别的效果取决于扫描件。试试更高的质量档，并确认语言与页面相符——拿英语数据去认德语页面，结果正是如此。
识别非常慢。 — 这确实是很重的活儿，而且跑在你自己的处理器上而不是服务器上。请用较快的质量档，并把长文档拆开。
双语文档识别得很差。 — 每次运行只用一种语言。请按语言拆分文档，分别识别后再合并结果。
手写没有被识别出来。 — 这里识别的是印刷体与打字稿。手写需要完全另一类模型。

常见问题

识别出的文字会替换掉扫描件吗？: 不会。图像原样保留，文字以不可见的方式加在它后面。这正是可检索 PDF 看上去和原件一模一样的原因。
识别时我扫描的页面会被上传吗？: 不会。识别引擎跑在你的浏览器里。会去取的只有语言数据，而且只取一次，之后由浏览器缓存。
一次能识别多少页？: 每次最多三十页，因为识别足够慢，长文档分批处理更合适。
该选哪一档质量？: 先从快的那档开始。字小、扫描件年头久，或第一次结果很乱时，再换更高的一档。
能对已经有文字的 PDF 做 OCR 吗？: 可以，但没有意义：先试着选中一个词看看。如果文字已经在了，直接转换就好。