PDF 文字識別用於處理「打開後文字選不中」的掃描件或圖片型 PDF：每頁先渲染成 300 dpi 圖像，交給瀏覽器內的 tesseract 引擎識別，然後導出三種結果——保留原頁面畫面、疊加不可見文字層的「可搜索 PDF」，按「—— 第 n 頁 ——」分隔的 TXT，或每頁一組段落、頁間帶分頁符的 DOCX。

PDF 本身有文字層（能選中、能 Ctrl+F）就不需要 OCR：「PDF 轉 Word」或「PDF 提取文本」直接讀取文字層，更快也更準。只有一張張圖片時，請用「圖片文字識別」。

1. 01選擇識別語言並上傳默認「簡體中文 + 英文（推薦）」；拖入一個 PDF，顯示頁數，超過 20 頁會提醒「逐頁識別耗時較長」。
2. 02開始識別進度條按「第 x/n 頁 · 識別文字」推進，識別文本區實時追加每頁結果；「取消識別」會保留已識別頁面。
3. 03校對文本「識別文本」按頁分隔顯示，可直接編輯——編輯隻影響 TXT 下載，不影響可搜索 PDF 與 DOCX。
4. 04導出「下載可搜索 PDF」「下載 TXT」「下載 DOCX」，分別得到「原名_可搜索.pdf」「原名_OCR.txt」「原名_OCR.docx」。首次生成可搜索 PDF 需加載內置中文字體 Noto Sans SC（約 10 MB，僅首次，之後緩存）。

輸入

單個 PDF；加密文件會提示「PDF 打開失敗，文件可能已損壞或已加密」，先用「PDF 解鎖」去掉密碼

耗時

每頁渲染到 300 dpi（最長邊不超過 4 500 像素）再識別，幾十頁可能需要數分鐘，建議單次不超過 50 頁，頁數多可先「PDF 拆分」

文字層

只嵌入置信度 20% 以上的詞，太小或判為噪點的詞跳過；生僻符號無法編碼時計為「被跳過」並在完成提示中顯示；選中區域大致貼合原文，不會像素級精確

保真度

DOCX 只含識別出的自然段（統一字號，頁間分頁符），不還原圖片、表格與版式；可搜索 PDF 的頁面畫面是 JPEG 重新渲染的

不做什麼

不糾正傾斜與陰影（拍照件先用「掃描件增強」）、不翻譯、不做表格結構化；有文字層的 PDF 請用「PDF 轉 Word」或「PDF 提取文本」

PDF 的渲染與文字識別全部在瀏覽器本地進行，頁面內容不會上傳。識別引擎與簡中/英文語言包由本站自託管，首次使用需下載；繁體中文、日文語言包來自 tesseract.js 默認公共 CDN；生成可搜索 PDF 首次需從本站下載 Noto Sans SC 字體（約 10 MB）並緩存。以上請求只獲取引擎、語言包和字體文件，不包含你的文檔。