AuraDoc
登入註冊

什麼是原生數位PDF

原生數位PDF是由軟體直接產生的PDF,例如匯出文書處理文件、把網頁列印成PDF,或儲存試算表報表。它從未存在於紙上。由於軟體知道每個字元是什麼,檔案會把文字以文字形式保存下來,同時保存字型、向量圖形,通常還有連結與書籤。掃描檔則正好相反:它只是一張紙的照片,在經過文字辨識之前,裡面的字元只是一堆像素。兩者看起來可能一模一樣,內部卻截然不同。

為什麼這個差別很重要

實務上的許多問題,答案都取決於手上的檔案屬於哪一種。原生數位檔案通常體積較小,放大到任何程度都保持清晰,可以選取並複製文字,不必額外處理就能搜尋。掃描檔體積較大,放大後會模糊,在完成文字辨識之前無法搜尋。對已經含有真實文字的檔案再做文字辨識,不只浪費時間,甚至可能把正確的字元換成猜測出來的字元。先弄清楚類型,是避免白費工夫與畫質損失的第一步。

如何分辨

開啟檔案,用游標試著選取一個詞。如果只有這個詞被反白,代表文字是真實的;如果選到的是整塊矩形區域,或什麼都選不到,代表該頁是影像。檔案大小也是線索:十頁原生數位文件通常只有幾百KB,而十頁掃描檔往往要好幾MB。此外,一個檔案裡也可能混合著匯出的頁面與後來加入的掃描頁,所以不要只看前幾頁就下結論,最好一路檢查到最後一頁。

在AuraDoc中使用

AuraDoc的品質報告會檢查PDF,告訴你各頁是否帶有文字層,讓你在動手之前先做決定。如果頁面是影像,可以用OCR工具加入可搜尋的文字層;如果是原生數位檔案,則可以用文字擷取工具取出其中的文字。每個工具都會產生新檔案,原始檔案維持不變。

用到這個術語的工具

提到這個術語的指南

常見問題

原生數位PDF的文字一定能選取嗎?
幾乎都可以。例外是把文字轉成外框後匯出的檔案,或刻意嵌入影像的頁面,它們的表現和掃描檔相同。
原生數位PDF比掃描檔更可信嗎?
不能單憑這一點判斷。它只說明檔案是如何產生的,並不代表內容正確,也不代表之後沒有被修改過。
能把掃描檔變成原生數位檔案嗎?
文字辨識可以替掃描檔加上可搜尋的文字層,但頁面本身仍然是紙張的照片。得到的是可搜尋的檔案,而不是和由原始資料產生的檔案完全相同的檔案。

並排對比

相關術語

需要的不只是快速修改?

AuraDoc是一個文件平台,提供OCR、AI搜尋與摘要,以及專為團隊設計的60多種PDF工具。可免費試用7天。

標示「安全伺服器」的工具會透過加密連線,將您的檔案一次性傳送到 AuraDoc 的隔離伺服器。檔案在用完即棄的程序中處理,結果傳回後立即刪除。 合理使用與防濫用政策