200 页的扫描 PDF 包含多种页面类型。前 150 页是需要 OCR 的干净打印文本。接下来的 30 页是照片和图表，没有可识别的文字。最后 20 页是包含手写条目的表格，也需要 OCR。在整个文档上运行 OCR 会浪费不包含文本的页面上的处理时间，并且当 OCR 引擎尝试查找图像内容中的字符时，可能会在照片页面上产生乱码输出。仅在需要的页面上有选择地运行 OCR 会更高效并产生更清晰的输出。
选择性 OCR（有时称为每页或页面范围 OCR）仅处理指定的页面。您排除的页面保持不变。您包含的页面会收到一个可搜索的文本层。混合文档在所有页面上保留其原始内容，仅在需要的地方添加文本可搜索性。
OCR PDF 选择性方法对于大型文档特别有价值，因为全文档 OCR 需要花费大量时间且文本页面比例较低。处理 200 页中的 20 页比处理全部 200 页快十倍。
识别哪些页面需要 OCR
滚动浏览文档并确定哪些页面包含可搜索的文本。文本页面有可见的单词和字符。照片页面有图像但没有文字。图表页面包含线条、形状和标签，这些线条、形状和标签可能会或可能不会受益于 OCR，具体取决于标签是否需要可搜索。创建需要 OCR 的页面范围列表。对于文本位于第 1 至 150 页和 181 至 200 页的文档，范围为 1-150 和 181-200。第 151 页到第 180 页是不需要 OCR 的照片和图表部分。
如果文档有书签或目录，请使用它们来快速识别文本部分。每个包含文本的加书签的部分都是 OCR 的候选部分。具有混合内容的扫描 PDF 受益于这种有针对性的方法。
执行选择性 OCR
将 PDF 上传到支持页面范围选择的基于浏览器的 OCR 工具。输入您确定的页面范围。该工具仅处理这些页面。文本页面接收可搜索的文本层。照片和图表页面保持原样。下载处理后的文件。整个文件完好无损。仅修改了指定的页面。
WukongPDF OCR 工具支持页面选择。 OCR PDF 选择性处理可节省大型混合内容文档的时间，并通过避免在不包含文本的页面上进行 OCR 来生成更清晰的输出。
验证选择性 OCR 结果
处理后，验证所选页面上的 OCR 输出。搜索这些页面上出现的单词。确认搜索找到它们。然后检查排除范围内的页面。确认它看起来没有变化。选择性 OCR 应该只修改指定的页面。在每个范围的一页上进行快速验证确认选择已正确应用。
PDF 工具 选择性处理方法是通过有针对性的应用进行质量控制。仅处理需要处理的内容。其余部分保持不变。
将选择性 OCR 与其他特定于页面的处理相结合
选择性处理不限于 OCR。压缩、分辨率调整和颜色转换也可以应用于特定页面。包含高分辨率彩色照片和黑白文本页面的文档受益于每种页面类型的不同压缩设置。照片需要适度压缩才能保留细节。文本页面可以被积极压缩。
OCR 后应用每个页面类型的压缩设置。具有混合内容的扫描 PDF 受益于跨所有操作（而不仅仅是 OCR）的页面特定处理。根据内容对待每种页面类型。
记录哪些页面经过 ORed 处理以供将来参考
当您仅对特定页面进行 OCR 时，请记录处理了哪些页面。文档元数据中的注释或列出 OCRed 页面范围的配套文本文件。如果后来有人搜索文档并在某些页面上找到内容，但在其他页面上找不到内容，文档会解释原因。搜索并没有失败。这些页面没有经过 ORed。
OCR PDF 选择性处理文档可防止混淆为什么某些页面可搜索而其他页面不可搜索。该文档只需几秒钟即可为文档的每个未来用户提供清晰的信息。
在 OCR 之前按页面类型拆分文档
对于文本和非文本部分清晰分离的大型文档，请在 OCR 之前按页面类型拆分文档。将所有文本页面放入一个文件中，将所有非文本页面放入另一个文件中。对整个文本文件进行 OCR。然后将 ORed 文本页面与未更改的非文本页面合并回去。拆分-处理-合并工作流程的步骤较多，但避免了选择性 OCR 期间错误识别页面的风险。
当文本部分和非文本部分明确分离并且文档足够大以证明额外的步骤是合理的时，OCR PDF分割工作流程是合适的。对于小文档，具有页面范围的选择性 OCR 更有效。
重新 OCR 第一次失败的页面
选择性 OCR 后，搜索您知道出现在已处理页面之一上的单词。如果搜索失败，OCR 可能无法正确识别文本。重新 OCR 该特定页面，可能使用不同的设置，例如更高分辨率或不同的语言模型。选择性方法允许有针对性的重新处理，而无需重做整个文档。
扫描的 PDF 对失败页面进行有针对性的重新处理是选择性 OCR 的优势之一。完整文档 OCR 失败需要重新处理所有内容。选择性失败需要仅重新处理需要它的页面。