OCR是什么，什么时候需要？一份20页扫描件的实测

OCR是什么，用大白话说

扫描页就是一张纸的照片。你能读出上面的字，但在电脑看来，那些字只是一个个灰点，和其他图片没什么两样。OCR是optical character recognition（光学字符识别）的缩写，也叫文字识别：它在图片里找出字母的形状，把它们变成真正的文字。

在PDF里，这些文字放进图片后面一个看不见的文字层，每个词都对准它在扫描页中出现的位置。页面本身仍然是图片。不过现在，词可以选中和复制，按Ctrl+F能搜到，屏幕阅读器也有东西可读了。

没有这层文字，扫描件就把辅助技术挡在了门外。W3C负责制定网页无障碍指南，它有一篇讲扫描版PDF的技术文档，只有英文版，译成中文是：“辅助技术无法读取或提取这些文字。”原始文件已经找不到时，它给出的解决办法就是OCR。

三个检查：你的PDF需不需要OCR？

在任意阅读器里打开PDF，试着选中一个词。如果词能一个一个地高亮，文件里已经有文字。如果拖动时整页出现一个框，或者什么反应都没有，这一页就是图片。

然后用Ctrl+F搜索一个页面上看得见的词，Mac上用Cmd+F。明明看得见的词却搜不到，说明它后面没有文字。如果复制的一行粘贴出来是乱码，通常是文字层有，但错了。

PDF文字识别会替你做同样的检查。预览下方的“生成文件检查”表格，会显示你打开的那一页处理前后的“文字层，第1页”。我们的扫描件处理前是“否”，处理后是“是”；一个从网页打印成的PDF，一开始就是“是”。

OCR给一份20页扫描件带来了什么变化

2026年10月23日，我们用一份20页、5,548个词的文字文档做了一份测试扫描件。每一页都变成一张1700 × 2200像素、200 ppi的灰度JPEG，文件里没有文字。扫描件大小是8,302,321字节，工具显示为7.9 MB。

我们在Mac上的Chrome里用默认设置运行PDF文字识别：英语、“跳过已有文字”、“校正倾斜的页面”和“自动旋转页面”。点击“识别文字”50.7秒后结果就好了，上传时间也算在内。页面显示：“服务器报告：20页中有20页识别出文字。”

然后我们从结果里提取文字，和原文逐词对比。5,548个词中有5,536个对上了，也就是99.78%。没对上的是数字，比如一个4、一个7和636，外加一个单词。搜索“warranty”找到243处，和原文档一样多。

页面仍然是图片，20页全部都在，顺序不变。文字层并没有让文件变重：结果是7.6 MB，比扫描件轻了4%。它不带标题或阅读顺序的标签，W3C的那篇技术文档把加标签列为单独的一步。我们的扫描件是干净的印刷文字；手机拍的照片和手写内容我们没有测试。

倾斜的页面，以及页面图片会怎样

扫描件常常是歪的，所以我们还把其中两页转了3度。PDF文字识别把它们摆正了：用ImageMagick测量，倾斜从2.96度变成了0。这两页上的549个词全部对上，任务用了15.8秒。

摆正是有代价的。打开“校正倾斜的页面”时，每一页图片都重新存成了JPEG，本来就正的页面也一样。随后我们在“更多设置”里关掉了它和“自动旋转页面”。同样两页没有倾斜的页面返回时，图片和扫描时逐字节相同。所以文件必须保留原始图片时，把这两项都关掉。

什么时候不需要OCR

在电脑上生成的PDF大多已经有文字：从Word导出的文件，或者从浏览器打印成PDF的网页。我们那份20页的文档就是这样，是从Chrome打印的。PDF文字识别2.1秒就把它退了回来：“这个PDF已有文字层，因此没有添加任何内容。”提示接着建议改用“重新识别”。

“重新识别”是给有错的文字层用的，不是给好用的文字层用的。如果搜索和复制已经好用，就别动这个文字层。

要从已经有文字的PDF里取出文字，PDF转TXT在浏览器里读取它，不用上传。而一张没有文字的照片或图画，OCR什么也找不到。

我们的PDF文字识别做不到什么

PDF文字识别在我们的服务器上运行，不在你的浏览器里。点击“识别文字”时文件上传，任务一结束就删除。结果可以在一小时内下载，约两小时内从服务器上清除。

一个任务处理一个PDF，最大300 MB、500页。所有使用我们服务器的工具加起来，每小时可以运行30个任务。更长的书要分成几部分来处理：我们的扫描书籍指南讲了相机、分段和三种模式。

它能识别菜单中的15种语言，一次最多三种。点“识别文字”之前，先在“文档语言”里选好扫描件的语言：把俄文页面当英文来读，返回的会是拉丁字母。如果想要可编辑的文档而不是PDF，PDF转Word会按你在“更多设置”的“文字识别语言”里选择的语言识别扫描件。

图片或截图根本不需要PDF。图片转文字在浏览器里读取JPG、PNG和其他图片，并给你一个.txt文件。PDF文字识别是PulsarKit上200多个免费工具之一，无需账号，无需订阅。