識別 PDF 文字

如何讓掃描 PDF 可以搜尋文字

掃描資料裡的文字無法選取時，可以用 OCR 辨識頁面圖片，加入可搜尋文字層；也可以把辨識文字下載為 TXT 檔。

範例：在掃描筆記中尋找一句話

先挑一張有代表性的頁面，不必第一次就辨識整份掃描檔。選擇原稿的文字語言，辨識後對照圖片核對姓名、數字和標點。確認效果可用，再分批處理剩餘頁碼。

先試一頁，再核對辨識文字

1. 選擇掃描檔和頁碼

   開啟 PDF，輸入例如 1-3, 5 的頁碼範圍。OCR 初始只選擇第 1 頁，每次最多 20 頁，同時受像素與輸出大小限制。

2. 配合辨識設定

   選擇英語、簡體中文或繁體中文。依原稿選擇自動排版、單段文字或單行文字。中文預設使用 300 DPI；較高解析度需要更多記憶體和時間。

3. 核對並匯出

   先對照掃描檔核對文字，再下載可搜尋 PDF。可以修改文字框並下載 TXT，但這些修改不會更新 PDF 文字層；需要重新產生文字層時，請調整設定後再次辨識。

OCR 的能力與限制

• 原稿仍以頁面圖片保留。OCR 增加文字層，不會還原成版面完全可編輯的原始文件。
• 辨識可能漏字或錯字，包括中文。手寫、表格、旋轉或模糊的掃描檔尤其需要核對；引擎置信度不是準確率保證。
• 每頁渲染上限為 1,200 萬像素，單批合計 1.2 億像素；觸發裝置保護上限時，請降低 DPI 或減少頁數。輸出檔案上限為 32 MB。
• 辨識在目前裝置上執行，語言模型首次使用時下載。大型掃描檔可能需要較長時間，可以取消處理。

繼續完成相關任務

• 將有文字層的 PDF 擷取為可編輯 Word 文字
• 把大型掃描檔拆成較小檔案