OCR PDF
从扫描件提取可搜索文本。
指南与常见问题
关于此工具
将扫描的 PDF 和纯图像文档转换为可搜索、易于复制的文件 - 使用 Tesseract.js 识别浏览器内的文本，无需将页面上传到云 OCR 场。选择语言，在本地运行识别，然后下载带有与可见扫描对齐的隐藏文本层的PDF。免费，无需帐户。对于存档合同、政府表格和研究 PDF 至关重要，您需要 Ctrl+F、复制粘贴或稍后的 PDF 到-Word 传递。
What you get
- 输出：PDF，每个页面上都有一个不可见的文本层 - 在 Acrobat、Preview 和浏览器中搜索和复制作品。
- 引擎：Tesseract LSTM 通过 WebAssembly 在本地运行 - 默认情况下没有第三方 OCR API。
- 语言：多语言包结合 + - 准确性取决于每个脚本的训练数据。
- 视觉效果：页面外观保持扫描； OCR 不会自动重新排版或清除倾斜的边距。
- 手写：草书和签名通常会失败，或者部分打印效果最好。
- 限制：在旧笔记本电脑上进行 300 dpi 的大型扫描需要花费一些时间；非常微弱的文本或严重的噪音会降低准确性。
适用场景
- 使旧纸质档案可搜索，无需将卷发送给外部OCR供应商。
- 当原生数字文本不可用时，准备从 PDF 到 Word 的扫描合同。
- 启用从技术上来说是图像的政府PDF的复制粘贴。
- 对从打印输出扫描的会议数据包进行索引以获取内部知识库。
Why JoyPDF for this
云OCR服务上传每个页面 - 包括签名、帐号和分类段落 - 以远程识别文本。 JoyPDF OCR 完全在浏览器中运行：像素和识别的字符串在处理过程中保留在设备上。您可以明确选择语言，而不是服务器猜测。这符合 GDPR、法律特权以及禁止出站文档传输的气隙相邻工作流程。
使用方法
- 1添加您的扫描版PDF拖放该文件或从您的设备中选择它。页面在本地加载 - 没有服务器端 OCR 队列。
- 2选择OCR语言选择识别语言 - 例如英语、波兰语或组合 eng+pol 用于双语扫描。
- 3运行识别JoyPDF 处理您设备上的每个页面；每页显示进度，因为 OCR 是 CPU 密集型的。
- 4下载可搜索的PDF保存OCR的文件 - 视觉上与扫描相似，但下面有可选择、可搜索的文本。
常见问题
JoyPDFOCR支持哪些语言？
JoyPDF 使用您选择的 Tesseract 语言包 - 常见的拉丁文字（英语、波兰语、德语、法语、西班牙语等）以及许多其他语言包，具体取决于可用的训练数据。对于双语文档，将语言与 + 结合起来，例如pol+eng 用于带有英文标题的波兰语正文。错误的语言选择会产生乱码识别 - 匹配文档，而不是您的 UI 区域设置。如果 JoyPDF 结果不佳，罕见的脚本或混合垂直文本可能需要专业桌面OCR。下载的语言数据加载到浏览器会话中；它不会与您的 PDF 一起发回。在共享计算机上下载后，关闭选项卡并根据您的安全策略清除下载文件夹。所有处理都在您的浏览器本地进行 - 文件永远不会到达 JoyPDF 服务器。
与 Adobe 相比，浏览器OCR 的准确度如何？
使用水平键入文本以 200-300 dpi 进行干净的办公室扫描通常可以达到很高的精度 - 足以用于搜索和粗略的复制粘贴。倾斜的手机照片、文本上的印记、带有规则的表格和脚注都会降低任何引擎的精度。 JoyPDF 不会打败人类重新输入关键条款 - 始终抽查法律和医疗字符串。 Adobe 的云OCR 可能在复杂的布局上领先，但需要上传。对于批量档案的内部可搜索性，本地OCR权衡通常会赢得隐私。检查浏览器开发人员工具中的“网络”选项卡：仅加载应用程序资源，而不加载您的文档。在共享计算机上下载后，关闭选项卡并根据您的安全策略清除下载文件夹。所有处理都在您的浏览器本地进行 - 文件永远不会到达 JoyPDF 服务器。
OCR 会改变我的 PDF 的视觉外观吗？
扫描图像仍然是可见层 - OCR 在下面添加了一个不可见的文本层以供搜索和选择。除非您的查看者突出显示 OCR 文本，否则您不应该在页面本身上看到字体交换。文件大小可能会因嵌入的文本流而适度增长。如果您需要干净的重新打字文档，OCR，然后PDF到Word，比单独使用OCR来替代视觉扫描效果更好。在 OCR 之后进行编辑需要编辑 PDF - OCR 不会删除敏感像素。检查浏览器开发人员工具中的“网络”选项卡：仅加载应用程序资源，而不加载您的文档。在共享计算机上下载后，关闭选项卡并根据您的安全策略清除下载文件夹。所有处理都在您的浏览器本地进行 - 文件永远不会到达 JoyPDF 服务器。
我的扫描版PDF是否在OCR期间上传？
不需要。识别在 WebAssembly 中使用 Tesseract.js 在本地运行。页面图像在您设备的内存中进行处理； JoyPDF 服务器不接收OCR 的文档字节。语言模型文件像任何 WASM 依赖项一样从 CDN 下载 - 而不是您的文档内容。使用网络工具验证合规性是否需要证明。在共享计算机上导出后关闭该选项卡，因为 OCR 输出可能在文本层中包含提取的 PII。检查浏览器开发人员工具中的“网络”选项卡：仅加载应用程序资源，而不加载您的文档。在共享计算机上下载后，关闭选项卡并根据您的安全策略清除下载文件夹。所有处理都在您的浏览器本地进行 - 文件永远不会到达 JoyPDF 服务器。
我可以OCR PDF 然后将其转换为Word 吗？
是的 - 这是一个常见的管道。扫描的 PDF 缺少 PDF 到Word 的结构，直到 OCR 添加文本。首先运行OCR PDF以获取可搜索文本，然后运行PDF到Word以获取可编辑段落 - 或者在提供时启用PDF到Word中的OCR优先选项。双OCR很少有帮助。对于带有复选框的表单，无论如何，请在Word中进行手动清理。如果只需要搜索，只需OCR就足够了，无需Word转换。检查浏览器开发人员工具中的“网络”选项卡：仅加载应用程序资源，而不加载您的文档。在共享计算机上下载后，关闭选项卡并根据您的安全策略清除下载文件夹。所有处理都在您的浏览器本地进行 - 文件永远不会到达 JoyPDF 服务器。
为什么我的计算机上的 OCR 速度很慢？
OCR 占用大量 CPU 资源：每个页面都会按照您嵌入扫描中的图像分辨率进行分析。在较旧的笔记本电脑上阅读一本 300 dpi、200 页的书可能需要很长时间 - 正常现象，不是错误。关闭其他选项卡以释放 RAM。如果选项卡崩溃，请分别拆分 PDF 和 OCR 章节。进度回调显示每页状态。更快的硬件比重试更有帮助。在桌面上过夜的批处理击败了与手机浏览器争夺大量档案的情况。在共享计算机上下载后，关闭选项卡并根据您的安全策略清除下载文件夹。所有处理都在您的浏览器本地进行 - 文件永远不会到达 JoyPDF 服务器。