PDF 轉文字 — 掃描 PDF 也能 OCR
從任何 PDF 取出純文字:文字頁直接讀取,掃描頁用 OCR 辨識。在瀏覽器中執行,不上傳任何內容。可複製,或下載成 TXT 或 Word。
僅載入此工具所需的程式碼…
我們實測的準確率
我們用自己製作的測試圖片(不含任何使用者檔案)執行這個工具,並把結果和原文比對。字元錯誤率計算錯字、漏字和多出來的字;0% 代表每個字都正確。
| 測試圖片 | 語言 | 錯誤率 | 引擎預設 | 耗時 | 手機模擬 |
|---|---|---|---|---|---|
| 從文書處理軟體儲存的 PDF(有文字層) | 英文 | 0% | — | 1.3 秒 | 2.7 秒 |
| 掃描的雙欄頁面,存成 PDF | 英文 | 0% | — | 6.3 秒 | 24.9 秒 |
| 兩頁 PDF:一頁文字,一頁照片 | 英文 | 0% | — | 3.6 秒 | 7.8 秒 |
| 同一份公告,手機斜拍 | 英文 | 0.1% | 2.4% | 3.7 秒 | 6.2 秒 |
| 印地語印刷頁 | 印地文 | 0% | 0% | 1.8 秒 | 4.3 秒 |
| 簡體中文印刷頁 | 簡體中文 | 0% | 0% | 1.8 秒 | 4.3 秒 |
引擎預設:同樣的引擎和語言資料,但不經過我們的前處理(自動版面、不校正傾斜、不校正光線)。
測量方式:圖片由程式產生,內容是我們自己寫的句子,模擬以 4° 角度、在不均勻光線下拍攝,再存成 JPEG、PNG 和 PDF。耗時在一台 4 核心雲端電腦上測得;手機模擬再加上 Chrome 的 4× CPU 降速。第一次使用還要下載引擎(約 1.1 MB)和語言資料。
工具品質檢查
將輸出作為已驗證的工作副本
之後可能需要時請保留原始檔。在目標應用程式開啟產生的 TXT,確認內容與格式符合需求。
輸入
輸出
TXT
批次
每次最多 5 個檔案
每次最多 5 個檔案。只有使用相同操作的檔案才應放在同一次執行中。
直接前往相關操作,不必重新尋找工具。
下載適合目標用途的結果,並在分享前確認。
套用已設定的執行限制.
TXT
請查看下方上傳限制
分享前請檢查結果
關於此工具
要把 PDF 轉成文字,加入 PDF 並點「擷取文字」,再複製結果,或下載成 .txt 或 Word 檔。本來就有文字的頁面,例如從 Word 儲存的 PDF、銀行對帳單或電子書,會直接從檔案讀取,準確又快速。只是圖片的頁面,例如掃描檔或存成 PDF 的手機照片,會依你選的語言用 OCR 辨識。
結果會標出每一頁(--- 第 2 頁 ---),並告訴你有幾頁來自 PDF 本身的文字、幾頁需要 OCR。PDF 不會離開你的裝置:PDF.js 讀取檔案,Tesseract 在瀏覽器裡辨識掃描頁。
在我們的測試中,一頁掃描的雙欄電子報字元錯誤率為 0%,閱讀順序正確;一個兩頁的 PDF(一頁文字、一頁照片)在我們的 4 核心測試電腦上花了 3.6 秒(模擬降速手機為 7.8 秒)。
什麼時候該用別的工具
- 想保留 PDF,並讓掃描頁可以搜尋和選取文字,請用 OCR PDF。
- 想在可編輯文件中保留標題、字型和表格,請用 PDF 轉 Word。
- 想從文字 PDF 得到含標題和清單的 Markdown,請用 PDF 轉 Markdown。
- 有密碼的 PDF 要先輸入密碼:用解鎖 PDF 解鎖一份副本。
使用方法
加入 PDF
拖放或選擇最多 5 個 PDF。文字 PDF 和掃描 PDF 都可以。
選擇 OCR 語言
語言只用在沒有自帶文字的頁面(掃描頁和照片)。如果掃描頁的兩欄內容混在一起,請選「分欄」。
擷取並儲存
點「擷取文字」,檢查結果,再複製,或下載成 TXT 或 Word。
使用場景
引用報告內容
從很長的 PDF 報告取出一段文字或一個數字,不用跟閱讀器的文字選取奮戰。
掃描的信件和合約
從掃描 PDF 取得可搜尋的文字,方便找條款、日期或金額。
給其他工具用的文字
把文字貼到翻譯工具、字數統計或 AI 助理裡,或用文字工具整理。
常見問題
怎麼把 PDF 轉成文字檔?+
在本頁加入 PDF,點「擷取文字」。完成後點「下載 TXT」,或把文字複製到其他 App。
掃描 PDF 也可以嗎?+
可以。沒有文字層的頁面會依你選的語言用 OCR 辨識。這比讀取文字頁慢:我們掃描的電子報頁面在 4 核心測試電腦上花了 6.3 秒,而一個有文字層的兩頁 PDF 只花了 1.3 秒。
為什麼有些文字不見了,或順序很奇怪?+
PDF 依繪製的順序儲存文字,通常就是閱讀順序,但不一定。雙欄的掃描頁請在「頁面版面」選「分欄」。文字 PDF 裡圖片中的文字不會被讀取,這些頁面請用 OCR PDF。
可以只擷取部分頁面的文字嗎?+
所有頁面都會讀取。只需要幾頁的文字時,先用「擷取頁面」把那幾頁取出,再轉換這個較小的 PDF。
我的 PDF 會上傳嗎?+
不會。PDF.js 讀取檔案,Tesseract 在你的瀏覽器裡辨識掃描頁。只有辨識引擎和語言資料會從 MAXScanner 自己的伺服器下載一次。
能保留格式嗎?+
純文字沒有格式。需要保留標題和表格的可編輯文件,請用 PDF 轉 Word;想讓 PDF 維持原樣但可以搜尋,請用 OCR PDF。