由多個來源組裝而成的 PDF 通常包含掃描影像頁面和數位建立的文字頁面的混合。前十頁是來自報告匯出的清晰數字文字。接下來的五張是手寫筆記的掃描影像。附錄是兩者的混合。這種混合文件帶來了處理挑戰：OCR 僅適用於掃描的頁面，適合數位文字的壓縮設定不適用於掃描的圖像，搜尋工具可以在某些頁面上找到內容，但在其他頁面上找不到內容。
處理好混合 PDF 意味著適當地處理每種頁面類型，而無需將文件拆分為單獨的文件。本指南介紹如何識別哪些頁面需要進行哪些處理、如何選擇性地應用操作，以及如何產生可搜尋、大小合理且外觀一致的統一輸出。
根據文件管理公司 M-Files 2024 年的分析，混合掃描和數位 PDF 約佔企業文件儲存庫中所有 PDF 的 22%（M-Files，“企業文件構成分析”，2024 年）。混合格式很常見，因為文件是從不同來源組合而成的。處理挑戰是標準的。
識別哪些頁面是哪些頁面
識別掃描頁面的最快方法是嘗試選擇文字。開啟 PDF 並將遊標拖曳過頁面上的文字。如果文字突出顯示並且您可以複製它，則該頁面是數字頁面。如果無法選擇單字並且遊標將整個頁面選擇為圖像，則會掃描該頁面。逐頁瀏覽文件並記下掃描了哪些頁面。對於典型文件來說，這需要一分鐘的時間，並準確告訴您哪些頁面需要 OCR。
對於多頁文檔，更快的方法是搜尋常見單字，例如 the or and。搜尋結果僅在數字頁面上匹配。沒有符合的頁面是掃描的頁面。 掃描的 PDF 識別步驟至關重要，因為對頁面類型應用錯誤的處理會產生不良結果。過度壓縮掃描頁面會導致文字無法閱讀。如果不對它們進行 OCR 處理，內容將無法被搜尋到。
選擇性 OCR：僅處理掃描的頁面
在數位頁面上運行 OCR 是一種浪費，而且實際上可能會因為添加可能與原始文字衝突的第二個文字層而降低品質。正確的方法是僅在掃描頁面上執行 OCR，同時保持數位頁面不變。某些基於瀏覽器的 OCR 工具支援頁面選擇，可讓您指定頁面範圍或選擇單一頁面進行 OCR 處理。
如果您的工具不支援選擇性 OCR，請將 PDF 拆分為掃描部分和數位部分，僅對掃描部分進行 OCR，然後將所有內容合併在一起。額外的分割和合併步驟會增加工作流程幾分鐘，但比不加選擇地執行 OCR 會產生更好的結果。 WukongPDF 的OCR PDF 工具和合併功能支持這種選擇性方法。
混合文件的壓縮策略
應用於混合文件的單一壓縮設定會產生不均勻的結果。適合掃描影像的設定（通常是適度壓縮以保持文字易讀性）對於數位文字頁面來說過於保守，數位文字頁面可以更積極地壓縮而不會造成明顯的品質損失。適合數位文字的設定會使掃描的頁面無法讀取。
解決方案採用相同的分割-處理-合併策略：分離掃描部分和數位部分，使用適合其內容類型的設定壓縮每個部分，然後重新組合。用於混合文件的PDF工具工作流程比處理統一文件的步驟更多，但輸出品質證明了額外的努力是值得的。使用統一設定處理的混合文件會出現數位頁面臃腫或掃描頁面難以辨認的情況。
何時放棄並將它們分開
對於某些混合文檔，拆分-流程-合併方法產生的結果在技術上是正確的，但在視覺上不一致。以不同方式處理的掃描頁面和數位頁面在最終文件中看起來會有所不同。如果視覺一致性比單一文件更重要，請將掃描部分和數位部分儲存為單獨的 PDF。收件人收到兩個看起來一致的文件，而不是一個看起來不符的文件。 PDF Tools 的決定是實用的，而不是教條式的。