扫描版PDF怎么变成可以搜索的？
扫描版PDF其实是一叠照片。你能看懂，电脑却看不懂：搜索什么都找不到，想选中文字时选中的是整页图片。OCR就是来解决这个问题的，它识别出每页上的文字，把它们存成电脑能理解的文本。
选择文件，勾选里面印刷的语言，输出格式保持“可搜索PDF”。工具会以高分辨率渲染每一页，识别文字，再把一层看不见的文字层精确地叠在原页面的文字上。结果用任何PDF阅读器都能打开，看起来和扫描件一模一样，但可以搜索、选中和复制文字了，电脑上的文件搜索也能按内容找到它。
本身已经有真实文字的页面，比如扫描文件里用电脑打字生成的封面，会保持原样，所以不会出现同样的文字重复两次。
**提示：**只勾选文档里确实出现的语言。每多勾一种语言，识别就会慢一点，引擎猜错字的机会也更多。中文文件一般勾选简体中文，夹杂英文时再加上英文。
扫描件怎么转成文字？
输出格式选择“文本文件（.txt）”。你会得到一个纯文本文件，里面是每一页的文字，页与页之间空一行。需要引用扫描的公文、翻译一份文档，或者把旧报告里的数字搬到Excel表格里时，这样就很方便。
如果想要一份保留排版、可以编辑的文档，下一步可以把可搜索PDF转成Word。从来没有被扫描过的文件，比如从Word导出的PDF，根本不需要OCR：直接提取文字更快，也完全准确。
扫描件和手机照片的识别准确吗？
对于扫描得干净、端正的印刷文字，识别效果通常很好。输入越难认，准确率越低，所以了解一下引擎不擅长的情况会有帮助：
- **分辨率太低。**扫描时用300DPI。放大后看起来模糊的字，引擎只能靠猜。
- **页面歪斜或弯曲。**拍书页时靠近书脊的地方，或者拍歪的手机照片，会干扰行的检测。先把页面摆正。
- **手写字。**引擎是用印刷体训练的。工整的楷书或许可以，连笔的手写字基本识别不了。
- **印章、水印和彩色背景。**压在上面的文字更难和背景区分开。
- **表格和多栏排版。**文字能找到，但.txt文件里的阅读顺序可能会在栏与栏之间跳来跳去。
在依赖结果之前，一定要核对里面的姓名、数字和金额。
在线识别机密文件安全吗？
在这里是安全的，因为文档从不上传。大多数在线OCR服务会把文件发到服务器，在那里识别，还会保留副本一段时间。这个页面则是把识别引擎和语言数据下载到你的浏览器里，整个任务在你自己的手机或电脑上运行。
你可以自己验证：识别时打开浏览器开发者工具的“网络”面板。第一次使用时会看到引擎文件下载进来，但你的PDF从来不会发送到任何地方。人们经常扫描的恰恰是身份证、纳税记录、银行流水、病历和签好的合同，这一点很重要。
能识别哪些语言？
一共有17种语言可选（见工具里的列表），文档里混用多种语言时可以同时勾选，比如带英文条款的中文合同，或者寄给国内公司的英文发票。语言模型使用的是Tesseract语言数据中准确度较高的“best”版本，并压缩成更小的整数格式，下载快，识别也准。简体中文的数据大约1.7MB，只需下载一次。