使用指南 · 2026年10月21日
扫描的 PDF 复制不出文字怎么办
扫描件里没有文字层，复制当然拿不到东西。三条出路：OCR 识别、转成图片、或者找到原始电子版。
扫描pdf复制不出文字怎么办pdf提取文字为空扫描件转word
先说结论 结论：这不是工具的问题，扫描件本质是图片。要拿到文字只有一条技术路径——OCR 识别，识别结果必须人工校对。
先确认：是不是真的没有文字层
有些 PDF 看起来像扫描件，其实是有文字层的（比如扫描后做过 OCR 的文档）。用搜索功能搜一个页面上的词，搜得到就说明有文字层，直接用「PDF 提取文字」即可。
出路一：OCR 识别（唯一能拿到文字的方法）
让模型看图认字，把像素还原成字符。识别结果通常还能保留一定的段落结构。
需要提醒的是：这一步必须上传文件到服务器，因为模型体积远超网页能承载的规模。页面会明确提示，处理完成后 24 小时内删除。
出路二：转成图片使用
如果目的只是"给别人看"而不是"编辑文字"，那根本不需要 OCR。直接转成 PNG / JPG 发出去就行，又快又不会有识别错误。
判断标准：你是要"用这些字"还是要"看这些字"。前者走 OCR，后者转图片。
出路三：找回原始电子版（最理想）
发票、合同、成绩单这类文档，通常都能从开票方、对方公司或学校系统里拿到电子原件。原件有文字层，提取质量远高于任何 OCR。
花十分钟找一找，往往比花一小时校对 OCR 结果划算。
OCR 之后必须做的事
- 核对数字：金额、编号、日期是最容易错的三类字段
- 核对行数：漏行比错字更隐蔽
- 标记不确定的地方：宁可在结果里保留疑问，也不要直接当作正确内容使用
上传之前能做的三件准备
OCR 的准确率有一大半取决于你送上什么样子的图。花两分钟做下面三件事，往往比事后花十分钟校对更划算。
- 把倾斜的页面摆正。手机拍的照片如果有明显倾斜，先用系统相册的旋转功能校正。倾斜超过 5 度时识别准确率会明显下降。
- 去掉不需要的部分。整页都是空白或只有页眉页脚 logo 的页面可以拆掉，既省额度也减少干扰。
- 把文件名改成不带信息的短名。识别过程中文件名会出现在服务端日志里，这一点在《PDF 在线处理安全吗》里有详细说明。
哪些内容 OCR 一定做不好
知道这些东西做不好，比指望它能做好更有价值——可以提前决定哪些部分直接手工录入，而不是在错误结果上反复修修补补。
最后补充一条：如果文档里有身份证号、银行卡号、手机号这类信息，识别前建议先在图像上打码不需要的部分。识别服务本身不记录内容，但减少一次完整信息的传输总是更稳妥的选择。
- 手写体：除非是非常工整的印刷体式手写，否则错误率极高，且错误往往毫无规律，无法用规则修正。
- 竖排中文：模型训练数据里竖排样本较少，识别结果经常错行错列。建议先把页面旋转 90 度转成横排再试。
- 低分辨率截图：字高小于 10 像素时基本无法识别，提高分辨率也没有用（信息本身已经丢失）。
- 复杂公式：上下标、根号、分数线的空间关系几乎无法正确还原，建议保留原图手动录入。
- 带水印或底纹的页面：水印会与文字混在一起，是准确率杀手。如果可能，先找到无水印的版本。