OCR 第一：当扫描需要文本层时

OCR 在页面图像后面添加了真实的文本层，因此可以搜索、复制和转换扫描件，而无需改变其外观。它通常是另一个工具之前的步骤，而不是最终目的地。

为什么会出现这个问题

扫描进入看起来完整的工作流程，然后在第一次搜索、转换或文件名模式时失败。尽早识别文本可以避免对一开始就无法读取的文件重复相同的工作。

运行之前检查一下

• 确认该页面实际上是扫描件。 如果无法在查看器中选择文本，则需要 OCR。如果可以，直接运行文本或转换工具并跳过额外的过程。
• 匹配语言和引擎。 语言是 Tesseract 代码，例如 eng、deu 或 fra。标准引擎运行在浏览器中；高精度使用可用的 Paddle 模型，并且对于英语和中文来说是最强的，而其他语言则留在 Tesseract 上。
• 先校直，后验证。 在识别之前对歪斜的扫描进行校正，然后搜索姓名、日期和总数。专有名词和数字是 OCR 最常猜测的地方。

何时伸手去拿它

• 扫描的合同必须成为可编辑的 Word 文本。 OCR the scan first, then convert the searchable PDF; otherwise the .docx arrives as pictures or blank paragraphs.
• 扫描发票的文件夹需要有意义的名称。 OCR 提供重命名从第一页构建文件名所需的文本。

我们得到一个问题

Does OCR upload my scan?

否 — 识别在您的浏览器 (Tesseract) 内运行，因此扫描的内容永远不会离开您的设备。可搜索的 PDF 也是本地构建的。

适合的地方

人们通常在 OCR PDF 旁边打开的工具：

• 重命名PDF — 根据模式或页面上的文本重命名一个或多个 PDF。
• 调整 PDF 大小 — 将页面调整到不同的纸张尺寸，或在内容周围添加均匀的边距。
• PDF 到 Word — 将 PDF 转换为可编辑的 Word 文档，并尽可能保留布局。

每个工具都适用于副本，因此原始文件永远不会被触及。上传的内容存储在不可猜测的 ID 下，并在您上次打开后两小时自动删除；没有列出、共享或索引任何内容。更多关于 安全页面.