扫描版PDF能不能复制文字？OCR识别一招搞定
文章摘要
扫描件PDF复制不了文字怎么办？图片格式的PDF怎么转成可编辑的？教你用OCR文字识别技术，把扫描版PDF变成可以复制编辑的文档。
扫描版PDF能不能复制文字？OCR识别搞定
把图片格式的PDF变成可以复制编辑的文档
上周拿到一份50页的扫描版合同，想复制几段文字出来，结果发现根本选不中。打开一看全是图片，每个字都得手敲。后来同事告诉我个办法，5分钟就把整个文档转成可编辑的了。
为什么复制不了文字
很简单，因为你拿到的PDF其实不是"文字"，是"图片"。
扫描仪把纸张扫成图片，保存成PDF
看起来有字，但本质就是照片
你能复制照片里的文字吗？不能。所以PDF也复制不了
判断方法也简单：试着选中文字，能选就是真文字，选不中就是图片。或者按Ctrl+F搜索，搜不到也说明是扫描件。
OCR是什么东西
OCR全称Optical Character Recognition，光学字符识别。说人话就是：让电脑认出图片里的文字。
工作原理大概是这样：
1. 电脑分析图片，找出哪里有字
2. 把每个字拿出来跟字库对比
3. 找到最像的字，转成真正的文本
4. 重新排版，保持原来的格式
听起来很复杂，但现在的OCR技术已经很成熟了，识别率能到95%以上。中文、英文、数字都能认。
用什么工具做OCR
市面上OCR工具挺多的，免费付费都有。我用过几个，说说感受：
Adobe Acrobat Pro
识别效果最好，排版也保留得最完整。缺点是贵，一年2000多。
适合：经常处理扫描件的公司
ABBYY FineReader
专业OCR软件，识别率跟Adobe差不多。买断制，一次一千多。
适合：预算有限但要专业效果的
WPS Office
免费版有OCR功能，但每天限次数。会员不限，一年89块。
适合：偶尔用一下的个人
在线OCR工具
iLovePDF、Smallpdf都有，上传就能识别。免费但有限制。
适合：临时用一次，不想装软件
识别效果怎么样
说实话，别指望100%完美。OCR识别会受很多因素影响：
扫描质量差 — 模糊、歪斜、有污渍，识别率就低
字体太特殊 — 手写体、艺术字体容易认错
排版复杂 — 多栏、表格、图文混排容易乱
语言混杂 — 中英文混合，数字符号多，容易出错
一般来说，清晰的宋体黑体印刷品，识别率能到98%。稍微模糊点的也有90%。手写的就不好说了，看字迹清不清楚。
提高识别率的小技巧
扫描前把纸张弄平，别皱巴巴的
扫描分辨率至少300 DPI，太低识别不准
放正了扫，歪着的要先旋转过来
黑白文档就选黑白模式，别用彩色
OCR前可以先调整对比度，让字更清晰
识别完还要做什么
OCR完不是就完事了，还得检查一遍。
重点检查这几个地方：
• 数字容易错，0和O、1和l要仔细看
• 标点符号可能丢失或识别错
• 表格框线可能没了，需要重新加
• 段落格式可能乱，要调整缩进对齐
• 特殊符号、公式基本都会错，得手动改
我一般是边看原文边对照着改，效率最高。完全依赖OCR肯定不行，人工检查是必须的。
批量处理怎么搞
一个两个文件还好，几十上百个就麻烦了。专业软件一般都支持批量OCR。
Adobe Acrobat批量处理：
工具 → 操作向导 → 新建操作
添加"识别文本"步骤
选择要处理的文件夹
运行，等着就行了
ABBYY也有类似功能，叫"热文件夹"。放进去的PDF会自动识别，挺方便。
我的建议
偶尔处理一两个文件，用在线工具或WPS免费版
经常要用，而且量大，投资Adobe或ABBYY
识别后一定要人工检查，别直接就用
手写文档别指望OCR，还不如自己打字快
扫描版PDF转成可编辑的，OCR是唯一办法。技术已经很成熟了，别被那些广告吓唬，说什么"黑科技"。
记住：清晰的印刷品识别率能到95%以上，模糊的、手写的就不好说了。OCR完一定要检查，数字、标点、表格是重灾区。别嫌麻烦，总比一个字一个字敲强。