PDF转文字工具

扫描版PDF本质上是每页内容的图片,因此需要通过OCR（光学字符识别）来读取文字。这个转换器会自动检查每一页,并对扫描页面自动进行OCR识别。

• 每一页都会被标记为文字、OCR或空白,方便你了解哪些页面是扫描件。
• 如果某页文字复制出来是方框或乱码,也会被识别为扫描件并进行OCR处理。
• 扫描页面会按照你选择的语言进行识别。可从18种语言中选择,最多同时选择3种。
• 如果某页文字看起来不对,点击对应页码,选择「用OCR识别」重新按扫描件处理。

混合类型的PDF同样支持。打印文字页面与扫描页面会按页面顺序合并为一份完整文字。

如果是照片或截图而不是PDF？可通过图片转文字工具提取文字。

从PDF中复制的文字通常每行末尾都会自动换行。「合并换行为段落」功能会将折行的句子重新拼接起来,方便粘贴到文档、邮件或AI聊天工具中。此功能默认开启。

整理功能还会修复其他导致PDF文字混乱的问题：

• 行末因连字符断开的单词会被重新拼接为完整单词。
• 标题、列表项和表格行会保持在独立的行中。
• 「去除页眉页脚和页码」会删除各页面重复出现的页眉、页脚和页码,此功能默认开启。
• 类似「--- 第3页 ---」的页面标记会显示每页的起始位置。关闭此选项可获得一整段连续文字。

每个选项都会立即更新文字,无需重新读取PDF。关闭「合并换行为段落」可保留PDF原有的所有换行方式。

这款PDF转文字工具完全免费,无需注册,无需账户。此外还有：

• 隐私保护。你的PDF全程保存在本地设备上,直接在手机或电脑上打开并读取,文件绝不会上传到服务器。
• 无页数限制,无每日限制。每个PDF最大支持100 MB,单次最多可添加20个文件。
• 加密文件也可安全处理。带密码保护的PDF会在你的设备上用你输入的密码打开,密码本身不会被保存。

首次识别扫描页面时,OCR识别模块会下载一次（英文约4 MB）,并保存在浏览器中,之后识别速度会更快。仅含真实文字的PDF不需要下载此模块。

先读取PDF中已有的文字,再对扫描页面用正确的语言进行OCR识别。这样能保证打印文字页面完全准确,扫描页面也尽可能精确。这个工具会逐页自动为你做出最佳选择。

以下技巧可以帮助你获得更干净的文字：

• 选择正确的OCR语言。例如,德语文本如果按英语识别,会丢失变元音等特殊字符。
• 如果扫描内容混合多种语言,可最多选择3种语言。
• 使用清晰、端正的扫描件。模糊或倾斜的页面会产生更多识别错误。
• 如果某页识别结果乱码,点击对应页码,选择「用OCR识别」。
• 仔细检查扫描页面中的姓名、数字和邮箱地址,这些内容最容易被识别错误。

PDF的OCR识别需要多长时间？包含真实文字的页面几乎瞬间完成读取,即使PDF很长也是如此。每个扫描页面需要几秒钟,你可以随时查看进度或停止处理。

OCR主要针对印刷文字设计。手写文字和质量较差的扫描件通常会出现较多识别错误。复杂排版（如杂志和表单）也可能导致文字顺序混乱,建议使用前仔细检查文字内容。