PDF 看起来可能像普通文档，但每一页实际上只是文字的图片。OCR 会将可见的文字转换为您可以检查和编辑的文本。本指南使用一份扫描的社区研讨会文档，重点介绍如何处理单个通知页面，而不是将多页上传视为识别每一页的请求。
检查 PDF 是否已包含可用文本
尝试在 PDF 中选择一个句子。如果您可以复制可读文本，那么使用 PDF 转文本可能是一个更简单的起点。如果无法选择，或者复制出来的文字无法使用，OCR 可能会有所帮助。请检查具体页面：单个 PDF 可能混合了扫描件和普通文本页面。
打开 PDF OCR 并上传一个 PDF，文件大小不超过 200 MB，且不超过 750 个源页面。这些是源文件限制，而非单次识别请求中处理的页面数量。请使用未加密的文档副本。复杂文件可能会更快达到内存或处理限制。
选择语言、页面和识别区域
如果文档语言是英语，请保留设置，否则请搜索 128 种识别语言。网站界面语言是单独的选择。选择其他文档语言将打开其专属的 PDF OCR 页面。
导航到您需要的页面。识别整个页面或在一段文字周围绘制矩形。请包含完整的单词、标点符号以及行周围足够的空白。区域选择有助于将有用的列与周围的内容分离开来。
在可用时选择“经典”或“未来”模式。对于打印的研讨会通知，选择“经典”模式下的“单栏”是一个合适的起点。如果您选择“多栏”，请确保该设置与所选内容匹配，而不是仅仅匹配整个页面。仅在预处理能改善源文件质量时才使用图像增强控件。
运行识别并检查文本
点击“开始”并完成验证。每个请求处理当前页面或选定区域。完成后，使用识别文本旁边的源预览来检查结果。
对于研讨会通知，请将日期、时间、地点和说明与扫描件进行对比。仔细检查小标点符号、名称和数字。引用或金额中的错误字符看起来可能非常逼真。
直接更正文本。要识别另一页，请返回编辑器，导航到该页面并运行单独的请求。在用新的识别任务替换之前，请保存您需要的任何结果。
请勿将您可以打开的源页面数量与单次请求中识别的页面数量混淆。
选择符合您所需结果的格式
TXT 保存当前的纯文本。主要的 Word 下载会创建一个具有新布局的可编辑文本文档；它不会复刻源文件中的所有表格、图片或列。当您想在其他应用程序中修改措辞时，两者都很有用。
“经典”模式下的可搜索 PDF 将识别出的页面或区域保留为图像，并带有原始的 OCR 文本层。它不是上传文件中每一页的 OCR 版本，后续的文本更正也不会重写其隐藏层。“未来”模式下的简单 PDF 在新文档布局中使用当前文本。
使用“智能编辑”处理标题、列表和其他受支持的格式，然后直接从该编辑器下载 Word、PDF 或 HTML。“应用更改”会将纯文本返回到主结果中。如果您需要翻译，请先更正文本；“翻译文本”功能使用全部当前文本，最多支持 25,000 个字符。
PDF OCR 问题
我可以只提取一个段落吗？
可以。在段落周围绘制或调整识别区域，并包含完整的行。该请求仅识别当前页面上选定的区域。
我可以一次性让整个 PDF 变得可搜索吗？
此工作流程每次请求识别一个页面或选定区域。“经典”模式下的可搜索 PDF 基于该识别区域，而非上传文件中的每一页。
编辑文本会修复“经典”PDF 的搜索层吗？
不会。现有的可搜索层保留了原始识别结果。当您需要在输出中包含您的编辑内容时，请将更正后的措辞保存为文本或新的文本文档。
我应该改用图像 OCR 吗？
对于照片、截图或独立的扫描图像，请使用图像 OCR。当源文件是 PDF 且您需要导航其页面时，请使用 PDF OCR。
将扫描的段落转换为已核对的文本
选择您需要的页面，对比识别出的文字并保存为正确的格式。
