扫描PDF转文本（OCR）

获得更清晰的识别结果

每个页面都会以200 DPI渲染后再进行识别，因此识别效果取决于扫描件本身。以300 DPI扫描的正文通常能获得良好识别结果；倾斜拍摄的页面照片，或小字的传真质量扫描件，则会产生猜测结果。横向或倒置的页面识别效果很差，因此请先使用旋转PDF将页面转正，再运行识别。

请选择文档使用的语言，因为每种语言都是独立的模型。中文分为简体和繁体模型，选错模型会严重降低准确率。混合两种语言的文档，在大多数文本所使用的语言模型下识别效果最好。

检查识别结果

置信度数值是所有页面的平均值，因此一个糟糕的页面可能会被较高的总体分数掩盖。通常，90或更高表示只有偶发错误；低于75则意味着大多数段落中都会出现错误。常见混淆包括0和O、1、l和I、被识别为m的rn，以及被识别为S的5。这些问题在金额、日期和参考编号中影响最大，因此请将每个数字与页面逐一核对。

对于正文，请保持“将行合并为段落”处于开启状态，它会修复每个打印行末尾被拆开的句子。对于地址、列表和表格，请关闭此选项，因为这些内容中的换行具有实际意义。

使用方法

1. 选择扫描PDF。
2. 选择文本所使用的语言。
3. 查看结果，并复制或下载文字。

隐私与限制

你的文件绝不会被上传。识别引擎和语言模型只需下载一次，大小约为10 MB，并由浏览器缓存；之后所有处理都在你的设备上运行。在线OCR服务则相反：它们需要获取你的文档。较长的文档处理需要一些时间，因为每一页都要先渲染，再依次识别。