可搜索 PDF

可搜索 PDF 是指页面中包含机器可读文字的 PDF。查看器可以查找单词、选择和复制文字，屏幕阅读器和索引工具也能读取其中的内容。文字可以来自原始文档，例如从文字处理软件导出的 PDF，也可以来自对页面图片进行 OCR 识别的结果。

对于扫描页面和截图，常见形式是图片加文字层。每一页显示原始图片，OCR 生成的不可见文字层位于相同位置。页面外观不变，搜索和选择功能则作用于隐藏的文字。

可搜索 PDF 与纯图片 PDF

	可搜索	纯图片
查找单词	可以	不可以
选择和复制文字	可以	不可以
视觉外观	相同	相同
常见来源	导出或 OCR	扫描或图片转换

快速检查方法：打开 PDF，按下 Command+F，搜索一个你能看到的单词。如果没有任何结果，说明该页没有文字层。

可搜索 PDF 的使用场景

• 扫描的纸质文件和收据归档。
• 基于允许保存的材料截图整理的学习笔记。
• 日后需要检索的法律和合规记录。
• 由文档搜索工具索引的知识库。

PDF 变为可搜索的过程

1. 每张页面图片经过 OCR 处理，识别出文字及其位置。
2. 识别出的文字以不可见渲染模式写入页面，成为文字对象。
3. 文字与可见字形对齐，使选择高亮覆盖正确的区域。

OCR 的准确率取决于图片分辨率、对比度、字体和语言。

可搜索 PDF 的常见错误

• 看起来是文字就认为所有 PDF 都可搜索。
• 对低分辨率或压缩过度的图片进行 OCR。
• 直接复制 OCR 文字，未检查是否存在识别错误的字符。
• 将可搜索 PDF 与带标签的无障碍 PDF 混为一谈。

将页面转换为 PDF？

Temposhot 可在结果面板中将截取会话导出为带 OCR 的可搜索 PDF。对于已有的图片，请使用Screenshot to Searchable PDF。参见在 Mac 上将截图保存为 PDF。

常见问题

OCR 会改变 PDF 的外观吗？

不会。原始图片保持可见，文字层不可见。

可搜索 PDF 具有无障碍功能吗？

本身不具备。无障碍功能还需要标签、阅读顺序和替代文字。

来源

• 维基百科：光学字符识别
• 维基百科：PDF

相关资源

• 截图转可搜索 PDF：在浏览器中执行 OCR。
• 图片提取文字：从单张图片中复制文字。
• 导出格式：从会话导出 PDF。