OCR：把图片或扫描 PDF 转换为文字
用 Tesseract OCR 读取照片、截图或扫描 PDF 中的文字，支持包括中文、日文和韩文在内的 14 种语言。可以得到纯文本，或可选择、可搜索的 PDF。
如何OCR：把图片或扫描 PDF 转换为文字
- 1
选择或拖入一张图片或扫描 PDF。
- 2
选择文档中的语言。
- 3
选择纯文本或可搜索的 PDF。
- 4
运行后，把结果与原件对照检查。
此工具的功能
- 14 种语言，一次最多 3 种
- 图片和多页扫描 PDF
- 纯文本，或带有隐藏文字层的可搜索 PDF
- 每个结果都显示引擎自己的置信度分数
- 读取文件签名（真实格式），而不是只看扩展名。
- 显示浏览器生成文件的实测大小。
关于OCR：图片或扫描件转文字的问题
- 准确度如何？
- 取决于图片。清晰、端正、光线充足的印刷文字识别效果好；手写、斜拍的照片以及小号或花体字体往往不行。每个结果都会显示 Tesseract 给出的置信度，低于 60% 时标记为“需要检查”。这个分数是引擎自己的估计，不是实测的准确率。
- 什么是可搜索的 PDF？
- 把扫描页面作为图片，并在其上叠加不可见的识别文字。看起来和扫描件一样，但文字可以选择、复制和搜索。
- 为什么要选择语言？
- Tesseract 用各语言各自的模型来识别。选错语言会得到乱码，选太多会变慢，因此请只选文档中实际出现的一到三种语言。
- 我的文件会上传到服务器吗？
- 不会。Tesseract 识别器和您选择的语言数据会在首次使用此工具时下载到您的浏览器，您的文件在您自己的设备上处理。您选择的任何内容都不会发送给我们或下载服务。