扫描文档以 PDF 形式发送。它看起来像一个文档。它在每个页面上显示文本。但当您尝试搜索某个单词时，搜索不会返回任何结果。当您尝试用光标选择文本时，没有任何突出显示。 PDF 是纯图像文件。每一页都是文字的照片，而不是文字本身。将此纯图像 PDF 转换为完全可搜索的文本文档需要两个步骤：OCR 从图像中提取文本，以及转换为以文本为主、图像为辅的格式。
基于浏览器的 OCR 工具可以处理纯图像 PDF，并在每个页面图像后面添加可搜索的文本层。页面的视觉外观不会改变。文本图层在您选择或搜索之前是不可见的。 OCR 后，PDF 可搜索。将 OCR 输出转换为文本文档格式（如 Word）使文本可编辑和可重复使用。
OCR PDF 到可搜索文本管道将页面图像集合转换为行为类似于数字创作的文档。文本是可搜索、可选择和导出的。
两步转换过程
第一步：将纯图像 PDF 上传到 OCR 工具。该工具分析每个页面图像，识别字符，并添加透明文本层。下载经过 OCR 处理的 PDF。验证文本现在是否可搜索。第二步：将OCR处理后的PDF转换为Word或纯文本格式。转换会提取已识别的文本并将其放入可编辑的文档中。生成的 Word 文件包含文档文本，可供编辑、格式化和重复使用。
WukongPDF OCR 工具添加可搜索文本层。 PDF 转换器 将 OCR 处理的 PDF 转换为 Word，从纯图像原件生成可编辑文本。
管理纯图像 PDF 的 OCR 准确性
OCR 准确度取决于图像质量。对打印文本进行干净的 300 DPI 扫描可产生近乎完美的识别。低分辨率扫描或文档照片会产生更多错误。在转换大型纯图像 PDF 之前，请测试一页。在页面上运行 OCR 并查看输出。如果准确性可以接受，请处理整个文档。如果精度较差，请提高扫描质量并重新处理。
已进行 ORed 并转换为文本的扫描 PDF 可以搜索、编辑和重复使用。仅图像的原件达到了其目的。可搜索的版本服务于它的未来。
在可搜索 PDF 和全文转换之间进行选择
可搜索的 PDF 保留原始页面图像并添加文本层。视觉外观没有变化。该文档可搜索但不可编辑。这适用于档案和参考文档。全文转换为 Word 会用可编辑文本替换页面图像。视觉外观发生变化。该文档既可搜索又可编辑。这适用于内容将被重用的文档。
从 OCR 输出到 PDF 到 Word 的转换是实现可编辑性的途径。可搜索的 PDF 是实现可搜索性的途径。选择与文档的使用方式相匹配的输出格式。
在输出中保留原始页面图像
某些工作流程需要原始页面图像和可搜索文本。输出应该看起来像原始扫描，同时可搜索。这是在图像后面添加文本层的 OCR 工具的默认行为。视觉外观没有变化。添加了文本功能。
带有 OCR 文本层的扫描 PDF 保留了原始外观并增加了可搜索性。该文档具有视觉和功能目的。
为多语言纯图像 PDF 选择 OCR 语言设置
如果纯图像 PDF 包含多种语言，请在 OCR 设置中选择所有适用的语言。仅英语设置会导致非英语文本出现乱码。多语言设置将适当的识别模型应用于每个文本区域。语言的选择直接影响OCR的准确性。
多语言纯图像 PDF 的OCR PDF语言设置应包括文档中出现的每种语言。缺少某种语言会导致该语言文本输出出现乱码。
比较多个引擎的 OCR 准确性
不同的 OCR 引擎对相同的纯图像 PDF 产生不同的结果。对于关键文档，通过两个不同的 OCR 引擎运行同一文件并比较输出。使用更准确的结果。比较需要额外的时间，但会产生最佳的文本质量。
OCR PDF双引擎方法适用于文本准确性至关重要的文档。通过比较可以确定哪个引擎可以更好地处理特定文档特征。
将元数据添加到可搜索输出
转换为可搜索文本后，将元数据添加到输出文件。标题、作者、主题和关键字使文档可以在搜索系统中被发现。元数据应该描述文档内容，而不是转换过程。原始的纯图像 PDF 元数据最少。应完整描述可搜索的版本。
扫描的 PDF元数据丰富是转换工作流程中的最后一步。具有良好元数据的可搜索文档既可查找又可用。
使用可搜索文本和原始图像创建混合输出
出于存档目的，创建一个包含原始页面图像和可搜索文本图层的混合 PDF。该文档看起来与原始扫描件一模一样。文本层可以在不改变视觉外观的情况下进行搜索和选择。这是 OCR 处理的标准输出，也是必须保留其原始外观的文档的最佳格式。
扫描 PDF混合输出既可保存又可使用。图像保留了原始图像。该文本启用了现代文档功能。
将可搜索文本转换回 PDF 以便分发
在 Word 中编辑提取的文本后，将其转换回 PDF 以便分发。新的 PDF 是完全数字化的，没有图像伪影。它比原始的纯图像文件更小、更干净且更易于访问。转换回 PDF 完成了从纯图像到完全数字化的转变。
PDF 转换器 从纯图像到可编辑文本再到干净的数字 PDF 的往返是一个文档现代化工作流程。内容被保留。格式升级。