200 頁的掃描 PDF 包含多種頁面類型。前 150 頁是需要 OCR 的乾淨列印文字。接下來的 30 頁是照片和圖表，沒有可辨識的文字。最後 20 頁是包含手寫條目的表格，也需要 OCR。在整個文件上執行 OCR 會浪費不包含文字的頁面上的處理時間，當 OCR 引擎嘗試尋找影像內容中的字元時，可能會在照片頁面上產生亂碼輸出。僅在需要的頁面上選擇性地運行 OCR 會更有效率並產生更清晰的輸出。
選擇性 OCR（有時稱為每頁或頁面範圍 OCR）僅處理指定的頁面。您排除的頁面保持不變。您包含的頁面會收到一個可搜尋的文字圖層。混合文件在所有頁面上保留其原始內容，僅在需要的地方添加文字可搜尋性。
OCR PDF 選擇性方法對於大型文件特別有價值，因為全文檔 OCR 需要花費大量時間且文字頁面比例較低。處理 200 頁中的 20 頁比處理全部 200 頁快十倍。
識別哪些頁面需要 OCR
捲動文件並確定哪些頁麵包含可搜尋的文字。文字頁面有可見的單字和字元。照片頁面有圖像但沒有文字。圖表頁麵包含線條、形狀和標籤，這些線條、形狀和標籤可能會或可能不會受益於 OCR，具體取決於標籤是否需要可搜尋。建立需要 OCR 的頁面範圍清單。對於文字位於第 1 至 150 頁和 181 至 200 頁的文檔，範圍為 1-150 和 181-200。第 151 頁到第 180 頁是不需要 OCR 的照片和圖表部分。
如果文件有書籤或目錄，請使用它們來快速識別文字部分。每個包含文字的加書籤的部分都是 OCR 的候選部分。具有混合內容的掃描 PDF 受益於這種有針對性的方法。
執行選擇性 OCR
將 PDF 上傳到支援頁面範圍選擇的基於瀏覽器的 OCR 工具。輸入您確定的頁面範圍。該工具僅處理這些頁面。文字頁面接收可搜尋的文字圖層。照片和圖表頁面保持原樣。下載處理後的文件。整個文件完好無損。僅修改了指定的頁面。
WukongPDF OCR 工具支援頁面選擇。 OCR PDF 選擇性處理可節省大型混合內容文件的時間，並透過避免在不包含文字的頁面上進行 OCR 來產生更清晰的輸出。
驗證選擇性 OCR 結果
處理後，驗證所選頁面上的 OCR 輸出。搜尋這些頁面上出現的單字。確認搜尋找到它們。然後檢查排除範圍內的頁面。確認它看起來沒有變化。選擇性 OCR 應該只修改指定的頁面。在每個範圍的一頁上進行快速驗證確認選擇已正確應用。
PDF 工具 選擇性處理方法是透過有針對性的應用進行品質控制。僅處理需要處理的內容。其餘部分保持不變。
將選擇性 OCR 與其他特定於頁面的處理相結合
選擇性處理不限於 OCR。壓縮、解析度調整和顏色轉換也可以應用於特定頁面。包含高解析度彩色照片和黑白文字頁面的文件受益於每種頁面類型的不同壓縮設定。照片需要適度壓縮才能保留細節。文字頁面可以被積極壓縮。
OCR 後套用每個頁面類型的壓縮設定。具有混合內容的掃描 PDF 受益於跨所有操作（而不僅僅是 OCR）的頁面特定處理。根據內容對待每種頁面類型。
記錄哪些頁面經過 ORed 處理以供日後參考
當您僅對特定頁面進行 OCR 時，請記錄處理了哪些頁面。文件元資料中的註釋或列出 OCRed 頁面範圍的配套文字檔案。如果後來有人搜尋文件並在某些頁面上找到內容，但在其他頁面上找不到內容，文件會解釋原因。搜索並沒有失敗。這些頁面沒有經過 ORed。
OCR PDF 選擇性處理文件可防止混淆為何某些頁面可搜尋而其他頁面不可搜尋。該文件只需幾秒鐘即可為文件的每個未來用戶提供清晰的資訊。
在 OCR 之前按頁面類型拆分文檔
對於文字和非文字部分清晰分離的大型文檔，請在 OCR 之前按頁面類型分割文檔。將所有文字頁面放入一個文件中，將所有非文字頁面放入另一個文件中。對整個文字檔案進行 OCR。然後將 ORed 文字頁面與未更改的非文字頁面合併回去。拆分-處理-合併工作流程的步驟較多，但避免了選擇性 OCR 期間錯誤識別頁面的風險。
當文本部分和非文本部分明確分離且文件足夠大以證明額外的步驟是合理的時，OCR PDF分割工作流程是合適的。對於小文檔，具有頁面範圍的選擇性 OCR 更有效。
重新 OCR 第一次失敗的頁面
選擇性 OCR 後，搜尋您知道出現在已處理頁面之一上的單字。如果搜尋失敗，OCR 可能無法正確識別文字。重新 OCR 該特定頁面，可能使用不同的設置，例如更高解析度或不同的語言模型。選擇性方法允許有針對性的重新處理，而無需重做整個文件。
掃描的 PDF 對失敗頁面進行有針對性的重新處理是選擇性 OCR 的優勢之一。完整文件 OCR 失敗需要重新處理所有內容。選擇性失敗需要只重新處理需要它的頁面。