PDF OCR 文字辨識 使用方法
- 1
加入掃描的 PDF
拖放由掃描器或手機掃描 App 產生的檔案，工具會檢查其中有多少頁已經含有可選取的文字。
- 2
選擇語言
預設選取英文，並會建議你瀏覽器使用的語言；可再加入文件中確實出現的語言，最多四種。
- 3
設定準確度與頁面
「最佳」以 300 DPI 讀取頁面，「較快」則為 200 DPI。你可以只處理指定的頁面範圍，也可以勾選「略過已有文字的頁面」。
- 4
下載結果
儲存可搜尋的 PDF，或把所有辨識出的內容下載成 .txt 檔，每一頁前面都會加上標記。
限制與 Pro
免費：PDF 最大 50 MB，每次最多對 200 頁進行 OCR，可同時使用最多 4 種辨識語言（共 47 種可選）。
Pro 方案可將上限提高到每次 5,000 頁、檔案最大 4 GB；辨識速度仍取決於你裝置的處理器。 查看 Pro
關於 PDF OCR 文字辨識
處理後的檔案就是你的原始 PDF，只是在每個掃描頁面上加了一層看不見的文字。掃描影像本身不會重新壓縮或重繪，看起來和原本完全一樣，但每個辨識出的字都位在頁面上的對應位置：按 Ctrl+F 可以找到，拖曳可以選取，複製貼上得到的是真正的文字。頁面會以 300 DPI（「較快」模式為 200 DPI）轉成影像，再由開源 OCR 引擎 Tesseract 以 WebAssembly 的方式在瀏覽器中辨識，並可同時處理多頁，每一頁都有各自的狀態列。
橫放或上下顛倒的頁面會被偵測出來，並以正確方向辨識；已有可選取文字的頁面可以略過，混合型文件就不會重複處理。文字層以 Unicode 儲存，因此西里爾文、希臘文、阿拉伯文、希伯來文、印地文、泰文、中文、日文和韓文的結果，都能像拉丁字母一樣搜尋與複製。純文字匯出會依頁面順序收集所有辨識內容。
常見用途：讓封存的信件與合約可以搜尋、從掃描的發票中取出數字、先為轉成 Word 做準備，或是提供螢幕閱讀器使用者能聽到的文字。
準確度取決於掃描品質。清晰的印刷文字以 300 DPI 掃描，通常幾乎可以完全正確辨識；手寫字、低對比的照片、裝飾性字型、很小的字，以及斜角拍攝的頁面，則會出現較多錯誤。嚴重傾斜的頁面不會被校正，引擎讀的是文字而非版面，所以分欄和表格在匯出時會變成一般的文字行。
隱私
掃描頁面是在這個瀏覽器分頁內，由編譯成 WebAssembly 的 Tesseract 轉成影像並辨識，PDF 和辨識出的文字都不會傳送到伺服器。引擎和你選擇的語言檔（每個 2 到 15 MB）只會從公共 CDN 下載一次，並由瀏覽器快取。
功能
搜尋與複製
辨識出的文字會對齊放在掃描影像上，所以在 Acrobat、預覽程式、Chrome 等閱讀器中都能搜尋、選取與複製。
掃描品質不變
只會加入一層看不見的文字，印章、簽名和照片都維持原本的清晰度，檔案大小也幾乎不會增加。
47 種語言
從英文、西班牙文、德文，到阿拉伯文、印地文、中文、日文和韓文，最多可同時組合四種。
旋轉的頁面
橫放或上下顛倒的頁面會依各個方向重新嘗試辨識，並保留最佳的結果。
混合型文件
已有文字層的頁面不會被處理，只有部分是掃描的 PDF 可以節省時間。