PDF文字识别在线免费：OCR逐页读取扫描件

使用方法

点击选择一个文件选择扫描的PDF，文件名下方会显示页数。
页面留空则读取前20页，也可以输入1-3, 8这样的页码。每次最多读取20页。
选择文字语言，然后点击识别文字。每一页识别完成后，会显示在它自己的标题下；点击取消可随时停止。
对照扫描件检查标记为不确定的页面，然后点击复制，或点击下载保存 .txt 文件。

页面的识别方式

每一页都以300 dpi 从PDF中绘制出来，非常大的页面会缩小绘制，以控制在浏览器内存之内。图片由Tesseract（一款开源的文字识别引擎）读取，它在网页工作线程中运行，因此识别时页面仍可操作。引擎先找到文字行，再用经所选语言印刷文字训练的神经网络逐个读取字符。语言文件是 tessdata_fast 的快速模型。

让扫描件识别得更好

200 dpi 或更高、摆正、清晰、颜色深的文字，在纯色页面上识别效果最好。倾斜、颜色淡或有阴影的页面，以及脚注这类非常小的字，识别效果较差。手写体和装饰字体不能可靠识别，因为引擎是为印刷文字设计的。没有文字的页面，例如空白页或图画，会被报告为没有文字。

一次识别的限制

一次最多识别20页。引擎启动最多需要2分钟，每页最多1分钟。超时的识别会被停止，已识别的页面会保留在文本框中。每页的置信度是引擎对其词语的估计，低于60的页面会被标记为需要核对。它只是参考，并不证明每个词都正确。已含文字的PDF不需要OCR，PDF转文字会按原样读取其中保存的文字。

文件留在您的设备上

PDF由开源库 pdf.js 在您的浏览器中打开并绘制，引擎在工作线程中读取图片。不会上传任何内容，也不会保存到您的浏览器或本站服务器。离开页面后，文本框会清空。

示例：一份3页的扫描信件

三页的信件若以图片形式扫描，PDF转文字无法读取其中的文字。在这里选择文件并将页面留空，三页都会被识别，文本框中显示 --- 第1页 ---、第1页的文字，然后是 --- 第2页 --- 等。

若只读第二和第三页，在“页面”中输入2-3。这两页分别显示在各自的标题下，识别也更快。

常见问题

为什么有些字的字母是错的？

引擎根据字母的形状识别，因此小、淡、模糊或倾斜的文字行可能有字母被认错。请对照扫描件检查。如果很多词都错了，请以更高的分辨率、更平直地重新扫描。

一次可以读取多少页？

一次最多20页。较长的文件要分次读取：第一次之后，在“页面”中输入21-40，或先用拆分PDF把文件拆开。

识别提前停止时会怎样？

识别在达到时间上限、您点击“取消”或引擎出错时会停止。已识别的页面会保留在文本框中，标题仍然保留，消息会说明已识别了几页。

能识别已经有文字的PDF吗？

它读取的是页面图片，因此适合扫描件。已经含有文字的PDF，用PDF转文字读取更准确，它会按原样读取保存的文字。

我的扫描PDF会被上传或保存吗？

不会。PDF在您的浏览器中读取，从不上传。它不会保存在您的浏览器或本站服务器上，离开页面后文字就没有了。

为什么某一页被标记为需要核对？

引擎会为每一页给出其词语的平均置信度。低于60的页面意味着识别器对许多词不确定。数值高是好迹象，但它不能证明每个词都正确。

资料来源

数据和文字最近核对于2026年11月11日星期三。