你有一堆用笔标记的打印输出，还有几页你直接在 Google 文档中写的内容。您需要将所有内容合并到一个看起来专业且一致的 PDF 文件中。扫描的页面是纸张的平面照片。数字页面包含实时文本。这两种根本不同类型的 PDF 内容可以同时存在于一个文档中吗？简短的答案是肯定的，但它们共存的程度取决于您如何进行合并。
这并不是一个不寻常的情况。信息与图像管理协会 2024 年的一项调查发现，42% 的组织仍然定期在日常工作流程中处理扫描和数字创建的文档（AIIM，“智能信息管理现状”，2024 年）。混合 PDF，即包含扫描图像页面和原生数字文本页面的文档，在律师事务所、会计师事务所、房地产机构和学术部门中已司空见惯。
PDF 中的扫描页面和数字页面有何不同
要理解为什么合并扫描页面和数字页面需要小心，了解每种类型的页面在文件级别实际包含的内容会有所帮助。数字页面存储单独的文本字符，每个字符都有精确的位置、字体参考和 Unicode 值。搜索功能可以直接读取这些字符。扫描页面存储单个压缩图像，通常采用 JPEG 或 JPEG2000 格式，占据与页面尺寸相等的矩形区域。该文件对该图像所描绘的内容一无所知。它可以是文本、照片或绘图，PDF 没有任何区别。
这种差异具有实际后果。在合并的混合 PDF 中，有些页面可搜索，有些则不可搜索。有些页面将具有可选择的文本，有些页面将表现得像照片。每页的文件大小也会有很大差异。数字创建的纯文本页面可能占用 30 到 50 KB。相同内容的全彩 300 DPI 扫描可能会占用 500 KB 到 2 MB。一份 20 页的混合文档的范围很容易从 2 MB（主要是数字文件）到 30 MB（主要是扫描文件）。当您通过电子邮件发送文档或将其上传到文件大小受限的门户时，这种变化很重要。
如何合并扫描页面和数字页面，同时保持一切有序
合并扫描版和数字 PDF 页面的实际过程与合并任何其他 PDF 文件集没有什么不同。任何合并 PDF工具都可以处理这项工作。 WukongPDF 的合并工具可让您以任意顺序上传文件、拖动以重新排列页面以及下载单个合并的 PDF。该工具不关心每个源页面是否源自扫描仪或文字处理器。它平等地对待所有输入页面并按照您指定的顺序将它们连接起来。
更重要的考虑是合并后会发生什么。如果您希望最终文档完全可搜索，则扫描的页面需要在合并之前或之后经过 OCR 步骤。在合并之前运行 OCR 可以为您提供更多控制，因为您可以单独验证每个扫描文件的文本质量。合并后运行 OCR 会更方便，因为您可以一次性处理整个文档。两种方法都有效。选择取决于您是否需要针对不同的源文档以不同的方式微调 OCR 设置。
页面大小一致性是另一个值得监控的细节。扫描的页面通常默认为扫描仪床上纸张的物理尺寸，通常为 US Letter（8.5 x 11 英寸）。数字页面可能以 A4（8.27 x 11.69 英寸）或原始应用程序使用的任何自定义尺寸创建。当同一个 PDF 中出现尺寸略有不同的页面时，大多数查看者会通过缩放每个页面以适合查看窗口来优雅地处理这种变化。但滚动时，稍微不同的页面大小之间的视觉过渡可能会令人不舒服。如果一致性对您的用例很重要，请考虑在合并过程中将所有页面标准化为单一尺寸。
混合 PDF 何时有意义，何时不有意义
混合 PDF 是许多常见情况下的实用解决方案。法律专业人士通常会将数字起草的合同与扫描的证物和证据文件结合起来。房地产经纪人将数字创建的报价与扫描的检查报告和披露表格合并。会计师将计算机生成的财务报表与扫描的收据和发票捆绑在一起。在每种情况下，混合 PDF 都达到了其目的：它创建一个单一的、有组织的文件，某人可以打开、滚动并从头到尾进行审阅。
然而，在某些情况下，混合 PDF 存在不足。如果收件人需要在整个文档中搜索文本，则扫描的页面对于搜索功能来说将是不可见的，除非它们已经过 OCR 处理。如果收件人需要从任何页面复制并粘贴文本，则扫描的页面将无法通过该测试。如果将文档提交到执行自动文本提取或全文索引的系统（例如法院电子归档系统或文档管理平台），则未扫描的页面将在这些系统中产生空白或充满错误的结果。
对于这些风险较高的场景，在合并之前在每个扫描页面上运行 OCR 不是可选的，而是必不可少的。完全可搜索的混合 PDF 的功能与完全数字化的 PDF 几乎没有区别。唯一剩下的区别是，扫描页面在缩放时不会重排其文本，而数字页面可能会重排，具体取决于它们的创建方式。对于大多数实际用途，每个扫描页面上具有 OCR 功能的执行良好的混合 PDF 可提供与纯数字文档相同的用户体验。
混合扫描内容和数字内容时管理文件大小
文件大小通常是人们首先注意到混合 PDF 的因素，但并不是一种积极的方式。一份 10 页的文档，其中 3 页是 300 DPI 彩色扫描件，7 页是纯数字文本，很容易超过 10 MB。如果需要通过电子邮件发送该文档，许多电子邮件服务器会强制执行 25 MB 附件限制，并且移动数据连接上的收件人不会喜欢下载如此大的文件，而内容可能只是其大小的一小部分。
有多种技术可以控制混合 PDF 的文件大小。对于文本较多的文档，以黑白或灰度扫描而不是彩色扫描可将每页文件大小减少大约 60% 到 80%。将扫描分辨率从 300 DPI 降低到 200 DPI 可将文件大小减少大约一半，同时仍提供足够的细节以实现清晰的文本和可接受的 OCR 结果。作为最后一步对合并的 PDF 应用压缩可以进一步减小总大小。 扫描的 PDF页面尤其受益于压缩，因为扫描图像通常包含比屏幕查看或打印所需的更多的像素数据。 WukongPDF 的压缩工具可以将混合 PDF 压缩 50% 到 70%，而不会造成明显的质量损失，这使得从电子邮件服务器退回的文件与通过电子邮件服务器的文件之间存在差异。
分步：创建干净的混合 PDF
采用一致的方法构建混合 PDF 会比每次即兴创作产生更好的结果。首先以 300 DPI 的灰度扫描所有物理页面，除非特别需要颜色。将它们另存为单独的 PDF 文件，而不是单个组合扫描件。接下来，打开每个扫描的文件并检查页面是否整齐且可读。如果您需要可搜索最终文档，请对扫描的文件运行 OCR。
收集您的数字页面。如果它们分布在多个文件中，请先将它们合并在一起。现在您应该有两套干净的文件：一批扫描版 PDF 和一批数字版 PDF。使用合并工具按正确的顺序组合它们。基于浏览器的合并界面将所有上传的页面显示为缩略图，您可以将其拖动到位，因此按顺序排列扫描和数字页面既快速又直观。
合并后，进行快速质量检查。滚动浏览每一页。查找出现旋转的页面、扫描截断部分内容的页面以及文本模糊以致难以阅读的页面。从源头解决任何问题，并在必要时重新合并。对您知道出现在扫描页面上的几个单词运行 Ctrl+F 搜索测试。如果搜索找到它们，则 OCR 工作正常。如果没有，扫描的页面需要再次通过 OCR 才能准备好共享文档。
最后，检查文件大小。如果文档要通过电子邮件发送，请尽量将其大小控制在 10 MB 以下。如果超过该值，请执行压缩步骤并再次检查。在这些验证步骤上花费的额外几分钟远比让客户、同事或法院书记员告诉您您发送的文件无法使用要痛苦得多。