OCR 与手动重新输入:从扫描件中获取文字的两种办法
扫描页面是一张图像,所以你无法在其中搜索,也无法复制一句话。获取文字有两种办法。光学字符识别会读取图像,几秒内生成一层文字。重新输入则是自己把文字敲进去,速度慢,但可以边输入边修正和调整结构。最佳选择取决于篇幅、印刷质量,以及对结果准确度的要求。
一览表
| 对比项 | OCR | 重新输入 |
|---|---|---|
| 速度 | 多页文档只需很短时间。 | 很慢,每多一页工作量就增加一分。 |
| 准确度 | 印刷清晰时良好,文字褪色、手写或罕见字体时较弱。 | 取决于输入的人,可能出现笔误。 |
| 版式 | 保持页面原样,并添加一层不可见的文字。 | 结构由你决定,但需要重新搭建。 |
| 长文档的工作量 | 5 页和 500 页几乎一样。 | 对长文档不现实。 |
| 手写与受损的扫描件 | 往往不太可靠。 | 人往往能读懂软件无法辨认的内容。 |
两者结合
两种方法可以很好地互补。先应用文字识别使文档可搜索,再检查姓名、金额和日期等重要之处,并修正看起来不对的地方。这比全部敲一遍快得多,在关键的地方也能得到可靠的结果。
如何选择
OCR
对于打字或印刷的页面、长文档,以及希望 PDF 保持可搜索且外观不变的情况,请选择 OCR。
重新输入
如果页面是简短的便条、手写内容或严重受损的副本,或者你本来就打算重写内容,请重新输入。
两种选择都能用的免费工具
提到这个术语的指南
通俗解释PDF术语
常见问题
- OCR 有多准确?
- 对于清晰、摆正的常规印刷扫描件,通常非常好。模糊、阴影和装饰性字体会降低准确度,所以请核对数字和姓名。
- OCR 会改变我的 PDF 外观吗?
- 不会。页面图像保持不变,识别出的文字会以不可见的方式添加在后面,因此你可以搜索和复制。
- 哪些工具可以做到?
- “PDF OCR”添加文字层,“复制扫描 PDF 中的文字”提取文字,“PDF 转文本”则生成纯文本文件。