可搜索的 PDF 是一种文本在文件中存储为实际字符而不是图像的文件。当您按 Ctrl+F 并键入单词时，查看者可以找到它。当您选择文本并复制它时，会复制真实的字符。对于数字创建的 PDF，这是自动的。对于扫描的 PDF，您需要 OCR 来添加文本图层。
如何判断 PDF 是否已可搜索
打开 PDF 并尝试通过单击并拖动来选择一个单词。如果单个单词突出显示并且您可以复制它们，则 PDF 已经有一个文本层 - 可以搜索。如果单击在整个区域上绘制矩形选区而不是选择特定单词，则页面将存储为没有文本层的图像。这时候你就需要 OCR 了。
运行 OCR 以添加文本层
WukongPDF 的 OCR PDF 工具在浏览器中处理扫描的 PDF，并返回一个版本，其中文本被识别并嵌入到原始扫描图像旁边。页面看起来相同 - 相同的视觉外观，相同的扫描质量 - 但 Ctrl+F 现在可以找到可以选择和复制的单词和文本。上传扫描的 PDF，运行 OCR，然后下载可搜索版本。
Adobe Acrobat Pro 在“工具”→“扫描和扫描”下还拥有强大的 OCR 引擎。 OCR → 识别文本。它在困难扫描（褪色的文本、不寻常的字体、非拉丁文字）上的准确性通常优于浏览器工具，尽管对于标准打印文本来说差异很小。如果您正在处理大量文档且准确性很重要，那么 Acrobat 的 OCR 值得投资。
OCR 准确性和语言支持
OCR 准确性在很大程度上取决于扫描质量。以 200 DPI 或更高的分辨率对专业打印文档进行干净、高对比度的扫描通常可以实现 98-99% 的字符准确度 — 对于实际用途来说基本上没有错误。褪色的复印件、以一定角度拍摄的扫描件或带有手写注释的文档都会有更多错误，需要手动更正。
大多数 OCR 工具会自动检测文档语言，并使用特定于语言的模型来提高准确性。如果文档始终错误识别特定字符，请检查是否正确检测到语言 - 在 OCR 设置中强制使用正确的语言通常会产生明显的差异，特别是对于带有重音字符或非拉丁脚本的文档。
使 PDF 可搜索以进行长期存档
对纸质档案进行数字化的组织通常将可搜索性作为主要目标——能够在数年后在数千个文件中找到特定文档或条款。对于此用例，OCR 输出应以专为长期保存而设计的格式保存。 PDF/A-3 支持页面图像旁边嵌入的文本层，是专门为可搜索文档档案设计的档案标准。运行 OCR，然后使用存档设置转换为 PDF 压缩，可确保可搜索性和长期格式稳定性。
对于存档目的来说，即使不完美的 OCR 也比没有 OCR 好得多。字符准确度为 95% 的文档仍可搜索 — 搜索“发票”即可即使某些单词中的几个字符被误读，也会找到大多数发票。完美的OCR是理想的；功能性 OCR 仍然比没有文本层的扫描有用得多。