如何把纸质档案数字化为 PDF 文件
旧的合同、信件和记录文件夹占地方,也不便分享。本指南把办公室扫描仪的输出(通常是 TIFF 文件)变成整洁的 PDF 文档。
扫描只是工作的一半:每页一个文件、双面扫描产生的空白背面和巨大的图片都会让档案难以使用。整理一次,以后每次打开文件都能省时间。
操作步骤
分批扫描
每次扫描一份文档或一个文件夹,并以其名称命名文件。许多办公扫描仪和传真服务保存为 TIFF 文件,有时一个文件包含多页。
将 TIFF 转为 PDF
逐个转换 TIFF 文件。多页 TIFF 会变成一个 PDF,每帧一页,顺序不变。
合并一批文件
合并同一文档的扫描件,拖动页面排好顺序,并旋转方向不对的页面。
删除空白背面
浏览合并后的 PDF,输入空白页的页码。只会删除这些页面,所以带有浅淡印章的页面绝不会被误删。
压缩以便存储
压缩整理好的扫描件。“平衡”适合大多数文档;如果结果不会更小,你会拿回原封不动的原文件。
本指南用到的工具
关于此任务的问题
- 可以搜索扫描件中的文字吗?
- 暂时不行:扫描件是图片。对不超过 10 页的文件使用 OCR PDF(较长的扫描件先拆分),即可添加可搜索、可复制的文字层。
- 为什么空白页不会自动删除?
- 看起来空白的页面可能有浅淡的印章、签名或手写备注。由你自己输入页码,就不会删除你没有选择的内容。
- 应该保留原始 TIFF 文件吗?
- 在逐页检查完每个 PDF 之前请保留它们,尤其是压缩之后,压缩会为节省空间而降低图片质量。
通俗解释PDF术语
- OCR(光学字符识别)OCR把页面图像变成可以搜索和复制的文字。本文解释它的工作原理、影响准确率的因素,以及扫描的PDF为什么需要OCR。
- DPI(扫描分辨率)DPI表示扫描或打印时每英寸包含的点数。本文解释适合文字、照片和OCR的分辨率,以及它对PDF大小的影响。
- 多页TIFF多页TIFF把扫描的多页内容放进一个图像文件。本文解释这种格式的由来、扫描件的压缩方式,以及为什么PDF更便于分享。
- 页面旋转PDF页面可以旋转90度、180度或270度,而不改变内容。了解旋转是如何记录的、扫描件为什么会横过来,以及如何纠正。
- 双面扫描双面扫描会读取每张纸的正面和背面。了解自动双面扫描与手动双面扫描的区别、如何纠正页面顺序,以及如何删除空白的背面。
- PDF 中的空白页空白页常见于扫描件和双面打印文件,浪费纸张和阅读时间。了解它们出现的原因,以及如何删除多余的空白页或在需要的位置插入空白页。
- 纯文本纯文本只保存字符,不含任何格式。了解 TXT 和 CSV 文件的原理、它们与 PDF 的区别,以及如何互相转换。
- 文档分类文档分类给文件贴上发票、合同、收据或报告等标签。了解 AI 如何做到这一点、它与数据提取有何不同,以及它的局限。
- 页面重排页面重排是改变 PDF 中页面的顺序。了解如何移动、复制和交错页面,例如扫描之后的整理,以及之后要检查什么。
- 二值化二值化按阈值把扫描件的每个像素变成纯黑或纯白。文件会变小,但浅色字迹、铅笔痕、印章和照片会丢失,它也不等于文字识别。
- 实验记录本扫描件实验记录本扫描件把手写页面变成PDF。了解如何合并、摆正、使其可检索并标注日期,让记录便于保存和查找。
- 农场记录簿农场记录簿按顺序记录种植、处理、收获和销售。了解如何把纸页和照片变成一个可搜索的PDF。
- 抄表记录抄表记录记下某一日期表计上的数字。了解该记什么,以及如何把照片和笔记整理成一个 PDF。
- 档案检索工具检索工具介绍档案全宗里有什么、在哪里。了解它的结构,以及如何让很长的 PDF 更易浏览和检索。
- 批生产记录批生产记录证明一批产品是如何生产和检验的。了解如何把扫描页合并为带页码、可搜索的 PDF。