您有一份掃描文檔，並且需要其中的文字。有兩種選擇：透過 OCR 工具運行它，或自行重新輸入。人們的本能通常是直接使用 OCR——它更快、更自動化，這聽起來顯然是正確的選擇。但 OCR 並不總是正確的答案，手動重新輸入也不總是錯誤的答案。最佳選擇取決於文件的外觀以及您需要對輸出執行的操作。
OCR 的實際用途及其不足之處
OCR（光學字元辨識）逐像素分析影像，辨識與已知字元模式相符的形狀，並將其轉換為文字。現代 OCR 確實令人印象深刻 - 它可以處理多種字體、混合語言以及合理的掃描品質和高精度。 www.wukongpdf.com 上的 WukongPDF 的 OCR PDF 工具可處理掃描文件並返回可搜尋、可選擇的文本，無需手動輸入。
但 OCR 準確率並非 100%，與完美的差距取決於用例。準確率達到 99% 的文件聽起來不錯，直到您意識到在 1,000 字的文件中，這仍然有 10 個錯誤 — — 除非您根據原始內容校對整個輸出，否則您可能無法發現這些錯誤。對於法律合約、財務報告或任何精確度至關重要的文件，未經審查，這些錯誤是不可接受的。
當 OCR 明顯獲勝時
數量是 OCR 沒有競爭對手的地方。如果您有十頁、五十頁或五百頁需要數位化，重新打字根本不是一個可行的選擇。無論長度如何，OCR 都可以在幾秒鐘內處理頁面。時間優勢如此之大，即使考慮到完整的校對通過，OCR仍然以大幅優勢獲勝。
OCR 在以下情況也有意義：
- 主要目標是可搜尋性而不是完美的準確性——例如，使舊文件的檔案可以透過關鍵字找到
- 文件乾淨、光線充足，並以標準字體輸入 — OCR 準確度最高的條件
- 您需要保留文件結構——標題、段落、欄位——而不僅僅是原始文本
何時手動重新輸入實際上更好
與 OCR 相比，重新輸入有一個決定性的優勢：輸出正是您輸入的內容。沒有辨識錯誤，沒有字元替換，也沒有髒掃描產生的亂碼。如果您需要保證準確性且文件很短，則重新輸入通常比執行 OCR 然後校對結果更快。
在以下情況下，手動重新輸入往往會獲勝：
- 該文件很短（一頁或更少），您只需要其中的特定信息，而不是全文
- 掃描品質很差——手寫筆記、褪色的墨水、不尋常的字體或沉重的背景噪音都會使大多數 OCR 引擎失效，並產生比重新打字需要更多校正的輸出
- 內容主要是數字、代碼或標識符，其中單一錯誤字元會產生嚴重錯誤 - 序號、帳號、參考代碼
- 您正在重新格式化 - 為不同的目的重組內容，而不僅僅是逐字提取它
大多數人沒想到的方法：OCR 然後抽查
對於準確性至關重要的中等長度文檔，最有效的工作流程通常是組合：運行 OCR 來獲取大部分文本，然後抽查最有可能包含錯誤的部分，而不是校對所有內容。
OCR 錯誤集中在可預測的位置：掃描稍微模糊的區域、格式不尋常的部分、文本中混合有數字的段落，以及掃描可能稍微傾斜的頁面邊緣附近的任何內容。仔細檢查這些區域並瀏覽其餘部分。這種混合方法可以讓您獲得 OCR 的大部分速度優勢，並且比未經檢查地接受原始輸出具有更高的準確性。
對於大多數處理掃描文件的人來說，OCR 可以很好地處理這項工作，因此手動重新打字很少成為更好的選擇。例外情況是文件較短、準確性要求較高或品質較差，在這些情況下，值得認識到「更快」的文檔是最重要的。一旦考慮到審核時間，自動化選項實際上並不總是更快。
一句話的決定
對於超過頁面的任何內容、以可搜尋性為目標的任何內容或需要乾淨掃描的任何內容，請使用 OCR PDF。當文件較短、掃描效果不佳或您需要特定值的零誤差精確度時，請重新輸入。如有疑問，請先嘗試 OCR — 如果輸出看起來乾淨，則完成；如果需要大量修正，請切換方法。