PDF OCR：提取扫描件中的文字
xFormat.space 在浏览器里对扫描版 PDF 做 OCR，逐页渲染后用本地识别模型识别，按页输出文字，文档不会上传。
在浏览器本地运行——文件不会离开你的设备。
使用步骤
PDF 里的文字选不中、复制不了，多半是扫描件，本质上只是页面的图片。这个工具会逐页渲染，在你的设备上识别文字，最后给出可复制、可保存的纯文本。PDF 不会离开你的电脑。
- 1
把扫描版 PDF 拖进页面，打开 OCR 功能。
- 2
选择文档所用的语言。
- 3
点击“开始识别”，等所有页面处理完毕后复制文字，或下载为 TXT 文件。
能得到什么，不能得到什么
输出是纯文本，每页以“--- Page N ---”分隔，另附置信度和文字区域数量。它不是可搜索 PDF：工具不会把隐藏的文字层写回文件，所以你的原始 PDF 保持原样。如果你的 PDF 本来就能选中文字，根本不需要 OCR，直接复制即可。
提高扫描件识别准确率的建议
识别前页面会按 2 倍比例渲染，所以扫描件本身的质量决定了上限。分辨率约 300dpi、摆正、对比度高的扫描件，识别效果远好于歪斜、发灰或低分辨率的。语言要选对：中英文、英语、日语、韩语、法语、德语是各自独立的选项，每次只能选一个。表格、分栏和脚注会被当作一行行文字读取，版面不会保留，可能需要自己整理顺序。
处理在你的设备上逐页进行，文档页数多时会花一些时间，具体多久取决于你的硬件和页数。完成之前请保持标签页打开。首次使用会下载约 15 MB 的模型，之后缓存复用。人名、数字和重要内容请务必人工校对。
常见问题
怎么提取扫描版 PDF 里的文字？
把 PDF 拖进页面，选择文档语言，点“开始识别”。文字会按页显示，可以复制，也可以下载 TXT 文件。
这样能生成可搜索的 PDF 吗？
不能。它只输出纯文本，不会给 PDF 添加文字层，你的原文件不会被改动。
扫描版 PDF 会被上传到服务器吗？
不会。页面渲染和识别都在你的浏览器里完成，只有文字识别模型需要下载（首次约 15 MB），PDF 始终留在本机。
PDF OCR 支持哪些语言？
中英文（含繁体中文）、英语、日语、韩语、法语和德语，每次识别选择其中一种。
为什么识别结果不准确？
多半是扫描质量的问题：分辨率低、页面歪斜、有阴影，或者语言选错了。请使用约 300dpi 的清晰扫描件，确认语言匹配，并对输出结果进行校对。