扫描PDF与可搜索PDF
两个PDF在屏幕上看起来一模一样,用起来却可能完全不同。普通的扫描件只包含页面的图片,计算机看到的是像素,而不是文字。可搜索PDF在图片之上增加了一个看不见的文字层,让你可以搜索、选择和复制文字。光学字符识别,也就是OCR,就是根据页面图片生成这个文字层的步骤。
一览表
| 对比项 | 扫描件(只有图片) | 可搜索(带文字层) |
|---|---|---|
| 包含内容 | 只有页面的图片。 | 同样的图片,加上识别出的文字。 |
| 用Ctrl+F搜索 | 什么也找不到。 | 能找到词语和短语。 |
| 复制和粘贴 | 复制不到任何东西,或只能复制图片。 | 能复制文字。 |
| 读屏软件 | 无法朗读内容。 | 可以朗读识别出的文字。 |
| 外观 | 和扫描时完全一样。 | 完全相同,因为文字层是看不见的。 |
| 获得方式 | 直接来自扫描仪或手机拍照。 | 对扫描文件运行OCR。 |
文字层有多准确?
OCR的准确度取决于扫描件本身。端正、光线充足、约300 DPI的页面效果很好;手写字、印章、很小的字和歪斜的照片会产生更多错误。先旋转和裁剪页面可以改善结果。由于文字层来自识别,即使页面图片看起来完美,也可能含有错误,所以在依赖搜索结果之前,请核对重要的名字和数字。
如何选择
扫描件(只有图片)
如果只需要一份视觉副本,比如一页不会有人搜索的签字页,就保留只有图片的扫描件。这样文件更简单,也不会对识别出的文字产生疑问。
可搜索(带文字层)
当你需要查找词语、把文字复制到其他文档、使用读屏软件,或者希望大量档案以后便于搜索时,就把PDF转成可搜索的。可搜索的文件还能把文字和表格提取到其他软件中。
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
- 怎样检查我的PDF是否已经有文字?
- 试着选中一个词或搜索它。如果什么都没有被高亮,说明这一页是图片,需要先做OCR。
- OCR会改变文档的外观吗?
- 不会。识别出的文字位于页面图片后面一个看不见的图层中,所以视觉效果保持不变。你仍然可以像以前一样缩放、打印和批注页面。
- OCR工具能识别哪些语言?
- 免费的OCR工具可以识别英语、葡萄牙语、西班牙语、法语、德语和意大利语。