MAXScanner 指南
扫描PDF转Word:如何得到可编辑文字
扫描 PDF 里是页面图片,所以没有 OCR 的转换工具只会把图片放进 Word。我们用三种方法转换同一份扫描件,统计了进入 Word 的文字。
简短回答
扫描的PDF里存的是每一页的照片,不是文字,所以在OCR(光学字符识别)读出文字之前,Word里没有可编辑的内容。MAXScanner的PDF转Word会替你完成这一步:它发现页面是图片后,在浏览器中运行OCR,把识别出的文字写进Word文件。“PDF 转文字”使用同样的OCR,还能让你在下载Word文件之前修改文字。在我们200 DPI的测试扫描件上,两种方法都完整返回了655个字符,没有错误。
OCR还原的是文字和段落,不是原来的版式。字体、分栏位置和表格线都要在Word里重新做。如果只需要搜索或复制文字,而页面要保持原样,那就改为生成可搜索的PDF。
如何判断PDF是不是扫描件
选择转换工具之前,几秒钟就能判断。
- 试着选中一个词。如果整页被当成一整块选中,或者什么都选不中,这一页就是图片。
- 搜索一个屏幕上看得到的词(Ctrl+F,Mac上是Command+F)。搜不到,就说明没有文字层。
- 扫描仪和手机扫描App一般把页面存成图片,除非保存PDF时开启了文字识别(OCR)选项。
- 同一个PDF里可能两种都有:从Word导出的页面有文字,签字后再扫描回来的那一页没有。“PDF 转文字”有文字层就直接读取,只对其余页面做OCR。
三种方法、一份扫描件:Word里得到了什么
我们做了一份A4通知,正文11磅,附一张小时间表,以200 DPI扫描并保存为439 KB的纯图片PDF。然后在MAXScanner自己的页面上用三种方法转换,并逐一打开得到的Word文件。
| MAXScanner中的方法 | Word文件中的文字 | Word文件中的图片 | Word文件大小 |
|---|---|---|---|
| 直接对扫描件做PDF转Word | 全部655个字符,0错误 | 无 | 3.4 KB |
| 先OCR PDF,再PDF转Word | 全部655个字符,另多出OCR PDF识别出的1个引号 | 无 | 3.4 KB |
| 先PDF 转文字,再“下载 Word(.docx)” | 全部655个字符,0错误 | 无 | 3.4 KB |
转换工具为什么把图片放进Word
没有OCR的PDF转Word工具只能搬运它找到的东西。扫描件里每页只有一张图片,于是它把这张图片复制进Word。我们自己的PDF转Word在2026年11月10日之前就是这样:把页面存成3.1 MB的PNG,是PDF的7倍大,Word里显示的是一页无法输入的图片。很多在线转换工具至今仍是如此,除非你打开它们的OCR选项,而这往往要付费。
先做OCR PDF也不管用,原因更隐蔽。OCR PDF会加上一层隐藏文字,生成的可搜索PDF能搜索、能复制,但转换工具只取可见文字,Word里又只有图片。我们修改了PDF转Word,让它读取这层隐藏文字,并对没有文字的页面自己运行OCR,所以表中三种方法现在都能得到可编辑的文字。
分步操作:把扫描PDF变成可编辑的Word
最快的方法是PDF转Word:添加扫描件,确认它建议的OCR语言,然后下载.docx。如果想在文字进入Word之前先阅读和修改,请按下面的步骤改用“PDF 转文字”。
- 打开“PDF 转文字”,添加扫描的PDF。已有文字的页面直接读取,其余页面走OCR。
- 开始前选好文档语言。识别引擎每种语言用一个模型,可以同时选多种语言。
- 点击“提取文字”,在文本框里核对结果,对照扫描件改正姓名、金额和日期。
- 点击“下载 Word(.docx)”。页面上识别出的每个段落都会成为Word中的一个段落,并已设置好文档语言,方便拼写检查。
- 在Word里重做标题、表格和分栏。OCR不会还原原来的字体和表格线。
扫描分辨率决定错误多少
OCR读取的是像素,所以分辨率对小字影响最大。我们把同一页做了两版,正文分别是11磅和8磅(脚注和表格条款常见的字号),每版都用四种分辨率扫描。
| 扫描分辨率 | A4页面像素 | 8磅文字 | 11磅文字 |
|---|---|---|---|
| 100 DPI | 827 × 1169 | 788个中错16个(2.0 %) | 0错误 |
| 150 DPI | 1240 × 1754 | 0错误 | 0错误 |
| 200 DPI | 1654 × 2339 | 0错误 | 0错误 |
| 300 DPI | 2480 × 3508 | 0错误 | 0错误 |
资料来源
- Tesseract文档:提高输出质量 (查看于 2026年11月10日)
分辨率测试对你的扫描意味着什么
100 DPI时,11磅文字仍然完全识别正确,但8磅文字出现了数字和形近字母混淆,这种错误会让时间或金额悄悄变掉而看不出来。从150 DPI起,同一页没有错误。MAXScanner使用的Tesseract引擎建议至少300 DPI,这为折皱的纸、浅淡的印刷和斜拍的照片留出余量。
所以,如果现在要扫描,就用300 DPI。如果手上只有100 DPI的旧扫描件,照样可以识别,但每个数字都要亲眼核对。
表格和银行流水:转Excel,不要转Word
扫描的表格不适合转成Word。就像我们的时间表那样,OCR把每一行都返回成列之间用空格或制表符隔开的一行文字,表格得手工重排。扫描的银行流水,先做OCR PDF,再把可搜索PDF放进“银行流水 PDF 转 Excel”,它会逐行核对余额,识别错的数字会表现为对不上的余额。
其他方法及其局限
桌面版Microsoft Word可以打开PDF并转换。微软说明,这对以文字为主的文档效果最好,转换结果也可能与原文不能逐页对应。Google文档也能转换PDF和图片,但只限2 MB以内、文字高度至少10像素的文件,粗体、斜体和换行一般能保留,表格和分栏通常不能。免费在线转换工具常把OCR留给付费用户:在我们查看的页面上,Smallpdf和iLovePDF都把OCR标为付费功能,而且两者都会把文件上传到服务器。
资料来源
- Microsoft支持:扫描并编辑文档 (查看于 2026年11月10日)
- Google云端硬盘帮助:将PDF和照片文件转换为文字 (查看于 2026年11月10日)
什么情况下不该这样做
如果文档必须和原件一模一样,比如证书或签过字的表格,就保留PDF。用OCR PDF让它可搜索,或者用能替换扫描页文字的“在线编辑PDF”改几个必须改的词。
- 手写:引擎是用印刷文字训练的,读手写字效果差。
- 复杂版式:双栏、文本框和脚注会按阅读顺序输出,不在原来的位置。
- 长文档:我们在电脑上测试时,每页A4需要3到6秒;手机更慢。
- 隐私:PDF转Word和“PDF 转文字”都在浏览器中运行OCR,不上传PDF。使用会上传文件的转换工具时,请查看它的隐私条款。
常见问题与解答
扫描的PDF为什么不能编辑?
因为每一页都是图片,而编辑器和转换工具只能修改以字符形式存在的文字。OCR 会把图片变成字符:MAXScanner 的 PDF转Word 和“PDF 转文字”都在浏览器中运行 OCR,给你一个可编辑的 Word 文件。
扫描PDF转Word能不变格式吗?
不能完全保留。OCR能还原文字和段落,但字体、精确位置、分栏和表格线都要在Word里重做。如果外观比编辑更重要,就用OCR PDF生成可搜索的PDF。
为什么转出来的Word只是一张页面图片?
转换工具在 PDF 里没找到文字,于是把扫描页作为图片复制进了 Word。在我们修改之前,我们自己的 PDF转Word 也是这样:生成的 3.1 MB Word 文件里一个字都没有。请使用会运行 OCR 的转换工具,例如 MAXScanner 的 PDF转Word 或“PDF 转文字”。
OCR识别数字和日期准确吗?
在150 DPI及以上的清晰扫描件上,我们的测试页零错误,时间和日期也都正确。在100 DPI下,8磅小字788个字符中错了16个,大多是数字。金额、日期和姓名一定要对照扫描件核对。
扫描PDF怎么转Excel?
银行流水的话,先做OCR PDF,再把可搜索PDF放进“银行流水 PDF 转 Excel”,它会核对余额。表格不要经过Word:OCR转Word会丢失分栏。
在线转换机密扫描件安全吗?
在MAXScanner上,OCR在浏览器里运行,PDF不会上传。很多在线转换工具会把文件上传到服务器,用于合同、证件或银行流水之前,请先读它们的隐私条款。