操作指南

如何从扫描版 PDF 中提取文本

扫描版 PDF 本质上只是文本的图片，这意味着您无法对其进行选择、搜索、复制或翻译。DocTranslating 的 OCR PDF 工具只需点击几下，即可将扫描版或基于图片的 PDF 转换为真实的、可选择的文本层：打开工具，上传扫描文件，（可选）设置文档语言以获得更快更准确的结果，然后点击“提取文本”。它支持 50+ 种语言、手写文本以及阿拉伯语和希伯来语等从右至左（RTL）的书写系统。获得 OCR 处理后的 PDF 后，您可以像对待普通文档一样对其进行翻译、搜索或复制文本。

更新于 2026年6月19日 · 8 分钟阅读

如果您曾尝试在 PDF 中选择文本却没有任何高亮，或者按 Ctrl+F 搜索却找不到任何结果，那么您的 PDF 就是扫描件——它是页面图像，而非文本。这就是为什么翻译、复制或编辑无法生效的原因。解决方案是光学字符识别（OCR）技术，它读取图像并在其下方构建一个真实的文本层。本指南将向您展示如何使用 DocTranslating 的 OCR PDF 工具完成此操作，以及如何处理提取出的结果。

如何判断我的 PDF 是否是扫描件？

通过以下三个快速检查，可以确定 PDF 是否需要 OCR：

• 尝试选择一行文本。如果您的光标无法高亮显示单个词语——或者将整个页面作为单张图片选中——则该文档为扫描件。
• 按 Ctrl+F（Mac 上为 Cmd+F）进行搜索。如果屏幕上清晰可见的词语在搜索中找不到，则说明没有可搜索的文本层。
• 注意应用内的通知。当您在 DocTranslating 中打开扫描文件时，会出现一个通知横幅，显示“此文档似乎是扫描件……”以及一个打开 OCR PDF 工具按钮——说明应用已检测到缺乏可用的文本层。

分步指南：从扫描版 PDF 中提取文本

1. 1

   打开 OCR PDF 工具

   直接前往 OCR PDF 工具，或者——如果您已经在尝试翻译扫描文件——点击通知中的“打开 OCR PDF 工具”按钮。两条路径均通向同一工具。

2. 2

   上传您的扫描版 PDF

   选择您想要转换的扫描版或图片型 PDF 文件。这是目前文本无法选择或搜索的文件。

3. 3

   设置文档语言（可选）

   如果您知道文档的语言，请选择该语言。这是可选的——工具会自动检测语言——但设置语言可以确保更快、更准确的结果，特别是对于阿拉伯语、中文、西里尔字母或梵文等非拉丁字母以及手写文本。

4. 4

   点击“提取文本”并下载结果

   该工具会读取页面并在保留文档原始外观的同时重建真实的、可选择的文本层。下载 OCR 处理后的 PDF——现在您可以选择、搜索和复制其中的文本，且已准备好进行翻译。

OCR PDF 工具的卓越之处

DocTranslating 的 OCR 引擎是目前最强大的引擎之一，远不止处理简单的英文印刷体：

• 50+ 种语言——包括采用非拉丁字母的语言。
• 手写文本——可识别清晰的手写体，不仅仅是印刷体。
• 从右至左（RTL）书写系统——高精度处理阿拉伯语、希伯来语和波斯语，包括重建正确的阅读顺序。
• 多语言页面——在同一页面上包含多种语言的文档。
• 日常扫描质量——支持文档照片和普通的日常办公扫描件，不仅仅是完美的平板扫描件。

完成 OCR 后：翻译您的文档

一旦您获得了经过 OCR 处理的 PDF，翻译它就与翻译普通 PDF 完全一样——上传文件，选择语言和翻译引擎，然后下载翻译好的副本。将 OCR 作为独立的第一步执行有一个重大优势：您可以在翻译之前核对提取文本的准确性。直接翻译未核对的扫描件可能会叠加两种错误——识别错误的词会自信地变成翻译错误的词——因此先检查 OCR 结果是获得精准最终译文的最佳方式。

获得最佳 OCR 效果的实用技巧

OCR 的准确度很大程度上取决于输入扫描件的质量。以下几点可以显著提升效果：

• 如果已知，请设置文档语言——这是提高准确度和速度最简单的方法。
• 使用清晰且摆正的扫描件。对倾斜或旋转的页面进行重新扫描，使文本保持在水平线上。
• 优先选择更高分辨率。与低分辨率图像相比，大约 300 DPI 或更高的扫描件能为 OCR 引擎提供更清晰的字符。
• 增强字迹模糊文档的对比度，使文本从背景中清晰突出。
• 确保文件未设置密码保护——加密的 PDF 在解锁前无法被读取。

替代方案：在 PDFEquips 上使用 OCR

如果您已经在 PDFEquips 上工作——例如转换、压缩或合并 PDF——它同样提供 OCR 工具，供您让扫描版 PDF 变得可搜索。无论哪种途径，都能为您提供一份经过 OCR 处理的文件，随后您可以将其导入 DocTranslating 进行翻译。选择最符合您工作流程的方案即可。