PDF 文字辨識（OCR）

用任何檢視器開啟檔案，試著選取一行文字。如果沒有任何內容被反白，或搜尋找不到結果，表示頁面只是圖片（掃描檔或照片），OCR 就是用來補上缺少的文字。已有可選取文字的 PDF 不需要此工具。

列出超過 100 種 Tesseract 語言包，從英文、西班牙文到阿拉伯文、印地文、日文和中文都有。請勾選文件中出現的每種語言；語言包會一起載入，讓混合語言的頁面能一次辨識。部分自行託管的部署只內建較短的清單，並會在語言選擇器上方說明。

不會。原始頁面會原封不動地複製，並在上方繪製一層隱形的文字圖層，逐字對齊掃描檔的位置。您看到的圖像與先前相同，但現在可以搜尋、選取和複製文字。

預設為「高」（288 DPI），適合一般辦公文件。當速度重要或檔案很長時，可降為「標準」（192 DPI）；小字、註腳或品質不佳的掃描檔則使用「超高」（384 DPI）。設定越高花費時間明顯越長，因為每一頁在辨識前都要以該大小呈現。

它會將輸出限制在固定的字元集合，減少例如小寫 l 被誤讀為 1 的錯誤。「發票」預設只允許數字和符號 $ . , / - # :，「僅限數字」適合序號或電錶讀數，「自訂」則讓您輸入自己的字元集。

不太可靠。Tesseract 是以印刷文字訓練的，因此工整的大寫印刷體有時可行，但草寫大多會產生雜訊。在乾淨、光線良好的印刷頁面上效果最佳；「二值化」選項有助於處理褪色或低對比的掃描檔，而PDF 歪斜修正則可先將傾斜的頁面扶正。

可以。OCR 完成後，擷取的文字會顯示在一個方塊中，您可以檢閱、複製到剪貼簿，或下載為 ocr-text.txt。可搜尋的 PDF 下載是分開的，因此您可以任選其一或兩者都取得。

不會。Tesseract 以 WebAssembly 形式在您的瀏覽器內執行；唯一的下載內容是 OCR 引擎和您選擇的語言包，會在第一次需要時擷取。掃描的頁面和辨識出的文字都留在您的裝置上。