扫描件 PDF 怎么提取文字？图片型 PDF 也能 OCR

扫描仪扫出来的 PDF、别人发来的图片型 PDF，打开后文字选不中、没法复制——这是因为里面其实是一张张图，没有文字层。这篇用 NBTools 的PDF 转文本工具讲清楚怎么对这类文件做文字识别（OCR），把图里的字变成可复制的文本。

先说结论：工具在浏览器本地运行识别引擎，支持中文简体 + 英文，识别结果可复制或下载；文件不上传服务器。

三种模式，先分清

工具提供了三种提取方式，按文件类型各取所需：

上传后工具会自动检测是否有文字层：有就停在「快速提取」，没有则自动切到「扫描件 OCR」，省去你判断。

扫描件 OCR 操作步骤

1. 上传 PDF：点上传区或拖入，解析后显示文件名、页数与「是否检测到文字层」的提示。
2. 切到扫描件 OCR：若无文字层会自动进入；也可手动点该模式标签。
3. 选识别语言：中文简体 + 英文 / 仅中文简体 / 仅英文。
4. 选渲染精度：标准 144 DPI / 推荐 180 DPI / 高精度 216 DPI（越准越慢）。
5. 开始识别：点「开始扫描识别」，识别完可复制文本或下载 .txt / .md。

几个实用要点

• 首次识别要下载引擎：约 8MB 的识别引擎与语言包，首次识别时下载，之后走浏览器缓存，不必每次重下。
• 页面范围可挑：留空表示全部；也可一键选「前 5 页 / 奇数页 / 偶数页」，先小范围试识别效果。
• 加密 PDF：若文件有打开密码，输入密码本地解锁后再识别，密码不上传。
• 识别率有前提：对印刷体扫描件效果较好；手写体、严重歪斜或模糊的页面识别率有限，建议先预览确认。

常见问题

扫描件 / 图片型 PDF 能提取文字吗

能。切到「扫描件 OCR」模式即可。工具会把每页渲染成图片再用 Tesseract 识别；没有文字层的文件上传后会自动切到该模式。

手写的内容能识别吗

主要针对印刷体扫描件；手写体、严重歪斜或模糊的页面识别率有限，建议先选几页试识别、预览确认效果。

支持中文吗

支持。可选「中文简体 + 英文」「仅中文简体」或「仅英文」，按需切换。

第一次用为什么要下载东西

首次识别需下载约 8MB 的识别引擎与语言包，之后浏览器会缓存，后续识别更快，也不需要重新下载。

文件会上传吗

不需要联网，也不上传。所有渲染与识别都在浏览器本地完成，适合合同、发票等敏感 PDF。

OCR 和「快速提取」有什么不同

快速提取直接读取 PDF 内嵌的文字层，快且准；OCR 是针对「图片型 / 扫描件」没有文字层的文件，用识别引擎把图里的字读出来，本质不同。