掃描文件以 PDF 形式傳送。它看起來像一個文檔。它在每個頁面上顯示文字。但當您嘗試搜尋某個單字時，搜尋不會傳回任何結果。當您嘗試用遊標選擇文字時，沒有任何突出顯示。 PDF 是純圖像檔。每一頁都是文字的照片，而不是文字本身。將此純圖像 PDF 轉換為完全可搜尋的文本文件需要兩個步驟：OCR 從圖像中提取文本，以及轉換為以文本為主、圖像為輔的格式。
基於瀏覽器的 OCR 工具可以處理純圖像 PDF，並在每個頁面圖像後面添加可搜尋的文字圖層。頁面的視覺外觀不會改變。文字圖層在您選擇或搜尋之前是不可見的。 OCR 后，PDF 可搜索。將 OCR 輸出轉換為文字文件格式（如 Word）可使文字可編輯和可重複使用。
OCR PDF 到可搜尋文字管道將頁面影像集合轉換為行為類似於數位創作的文件。文字是可搜尋、可選擇和匯出的。
兩步轉換過程
第一步：將純圖像 PDF 上傳到 OCR 工具。該工具分析每個頁面圖像，識別字符，並添加透明文字圖層。下載經過 OCR 處理的 PDF。驗證文字現在是否可搜尋。第二步：將OCR處理後的PDF轉換為Word或純文字格式。轉換會提取已識別的文字並將其放入可編輯的文件中。產生的 Word 文件包含文件文本，可供編輯、格式化和重複使用。
WukongPDF OCR 工具新增可搜尋文字層。 PDF 轉換器 將 OCR 處理的 PDF 轉換為 Word，從純圖像原件產生可編輯文字。
管理純圖像 PDF 的 OCR 準確性
OCR 準確度取決於影像品質。對列印文字進行乾淨的 300 DPI 掃描可產生近乎完美的識別。低解析度掃描或文件照片會產生更多錯誤。在轉換大型純圖像 PDF 之前，請測試一頁。在頁面上執行 OCR 並查看輸出。如果準確性可以接受，請處理整個文件。如果精度較差，請提高掃描品質並重新處理。
已進行 ORed 並轉換為文字的掃描 PDF 可以搜尋、編輯和重複使用。僅影像原件達到了其目的。可搜尋的版本服務於它的未來。
在可搜尋 PDF 和全文轉換之間進行選擇
可搜尋的 PDF 保留原始頁面圖像並添加文字圖層。視覺外觀沒有改變。該文檔可搜尋但不可編輯。這適用於檔案和參考文件。全文轉換為 Word 會以可編輯文字取代頁面圖片。視覺外觀改變。該文件既可搜尋又可編輯。這適用於內容將被重複使用的文件。
從 OCR 輸出到 PDF 到 Word 的轉換是實現可編輯性的途徑。可搜尋的 PDF 是實現可搜尋性的途徑。選擇與文件的使用方式相符的輸出格式。
在輸出中保留原始頁面影像
某些工作流程需要原始頁面圖像和可搜尋文字。輸出應該看起來像原始掃描，同時可搜尋。這是在圖像後面添加文字圖層的 OCR 工具的預設行為。視覺外觀沒有改變。新增了文字功能。
帶有 OCR 文本層的掃描 PDF 保留了原始外觀並增加了可搜尋性。該文件具有視覺和功能目的。
為多語言純圖像 PDF 選擇 OCR 語言設置
如果純圖像 PDF 包含多種語言，請在 OCR 設定中選擇所有適用的語言。僅英語設定會導致非英語文字出現亂碼。多語言設定將適當的識別模型應用於每個文字區域。語言的選擇直接影響OCR的準確性。
多語言純圖像 PDF 的OCR PDF語言設定應包括文件中出現的每種語言。缺少某種語言會導致該語言文字輸出出現亂碼。
比較多個引擎的 OCR 準確性
不同的 OCR 引擎對相同的純影像 PDF 產生不同的結果。對於關鍵文檔，透過兩個不同的 OCR 引擎運行相同文件並比較輸出。使用更準確的結果。比較需要額外的時間，但會產生最佳的文字品質。
OCR PDF雙引擎方法適用於文字準確性至關重要的文件。透過比較可以確定哪個引擎可以更好地處理特定文件特徵。
將元資料新增至可搜尋輸出
轉換為可搜尋文字後，將元資料新增至輸出檔案。標題、作者、主題和關鍵字使文件可以在搜尋系統中被發現。元資料應該描述文件內容，而不是轉換過程。原始的純圖像 PDF 元數據最少。應完整描述可搜尋的版本。
掃描的 PDF元資料豐富是轉換工作流程中的最後一步。具有良好元資料的可搜尋文件既可找到又可用。
使用可搜尋文字和原始圖像建立混合輸出
出於存檔目的，建立一個包含原始頁面圖像和可搜尋文字圖層的混合 PDF。該文件看起來與原始掃描件一模一樣。文字圖層可以在不改變視覺外觀的情況下進行搜尋和選擇。這是 OCR 處理的標準輸出，也是必須保留其原始外觀的文檔的最佳格式。
掃描 PDF混合輸出既可保存又可使用。影像保留了原始影像。該文字啟用了現代文件功能。
將可搜尋文字轉換回 PDF 以便分發
在 Word 中編輯提取的文字後，將其轉換回 PDF 以便分發。新的 PDF 是完全數位化的，沒有影像偽影。它比原始的純圖像檔案更小、更乾淨且更易於存取。轉換回 PDF 完成了從純影像到完全數位化的轉變。
PDF 轉換器 從純圖像到可編輯文字再到乾淨的數位 PDF 的往返是一個文件現代化工作流程。內容被保留。格式升級。