扫描、拍照得到的 PDF 本质上是图片,文字无法复制、搜索。本工具基于 Tesseract OCR 在你的浏览器本地完成文字识别,支持简体中文与英文混合识别。识别结果逐页展示,可随时复制,也可一键导出为 TXT。语言模型已内置,处理过程完全离线、不上传任何内容。
Tesseract 引擎在浏览器内运行。
简体中文与英文模型自动切换。
识别结果一键导出为文本文件。
选择扫描件或图片型 PDF。
逐页 OCR,页面显示识别文字。
复制结果或导出为 TXT 文件。
扫描件、图片里的文字想变成可复制可搜索的文本?OCR 是关键一步。本文讲清选对识别语言、先增强再识别、以及把结果存成可搜索 PDF 的流程。
格式转换想从 PDF 里拿到可编辑的文字?先分清文字型还是扫描件:文字型直接导出纯文本,扫描件必须先 OCR,要保留排版则转 Word。本文给出三种场景的对应关系与避坑要点。
使用指南在 Linux 上处理 PDF 不必先装软件。只要有浏览器,本站工具就能在 Ubuntu、Debian、Fedora、Arch 等发行版上直接使用,全部在浏览器本地完成、文件不上传。
OCR 与扫描扫描或拍照得到的 PDF 问题很固定:页面歪、四周黑边、底色发灰、字迹发虚。按固定顺序处理,效果远好过反复点“增强”。本文给出四步流程。