PDF OCR（生成可搜索的 PDF）

扫描的合同或拍照的表格只是一张图片：无法搜索，无法复制句子，也无法让屏幕阅读器朗读。OCR（光学字符识别）会读取每页上的字符，并把它们作为隐形的文字层加上去，因此 PDF 看起来完全一样，却变得可搜索、可选择。识别在您的浏览器中运行，文档不会被上传。

使用方法

1. 选择扫描的 PDF。
2. 选择文档的语言：韩语 + 英语、日语 + 英语、中文 + 英语适用于混合文字。
3. 普通文档用 200 DPI，小字用 300 DPI；如果只需要其中几页，可限制页码。
4. 等待每一页识别完成，然后下载可搜索的 PDF，需要的话也可以下载纯文本。

计算公式

每页按所选 DPI 渲染（像素 = 点 ÷ 72 × DPI），由 Tesseract 引擎识别，返回一页使用隐形字体的纯文字 PDF 页面。该页面会被缩放到原页面大小，并绘制在原页面之上。

对于显示时被旋转的页面，也会做相应处理，使文字层与您看到的页面对齐。默认会跳过已含至少 5 个真实文字字符的页面。

示例

一份 12 页的扫描租赁合同，以 200 DPI 处理：每个 A4 页面会生成一张 1,654 × 2,339 px 的图片用于识别，在笔记本电脑上每页需要几秒钟。结果保留原扫描图不变，并加上文字层，所以搜索房东的姓名就能找到提到它的每一页。

下载体积与准确度

首次运行会从公共 CDN 下载识别引擎和语言数据，视语言不同大约为 10–20 MB；之后浏览器会缓存它们。对于端正、光线均匀的 200–300 DPI 印刷文字扫描件，准确度最高。手写、印章、字号很小的表格以及倾斜拍摄的照片会产生更多错误，所以请核对重要的姓名和数字。