文字层

文字层是 PDF 页面中存储的机器可读文字，独立于页面的视觉外观。阅读器搜索、选择或复制文字时，读取的是文字层，而不是像素。没有文字层的页面只是一张图片，即使上面显示着文字。

从文字处理软件或浏览器导出的 PDF 中，可见文字和文字层是同一组对象。在扫描页和截图中，可见内容是一张图像，OCR 会在其上叠加一层独立的不可见文字。PDF 规范提供了一种既不填充也不描边字形的文字渲染模式，因此这些文字存在于文件中，但不会被绘制出来。

文字层与可见文字

	可见文字	文字层
读者能否看到	能	仅在被绘制时
能否搜索	只能通过文字层	能
来源	字体或图像像素	文档文字或 OCR

一个页面可能看起来完美却没有文字层，也可能在干净的图像背后藏着一层满是 OCR 错误的文字。

文字层在哪些场景中重要

• 搜索扫描或截取的文档存档。
• 从 PDF 中复制引文、数字和代码。
• 屏幕阅读器和索引工具。
• 读取 PDF 文字的翻译和摘要工具。

文字层是如何生成的

1. 来自源文件：从应用导出时会写入真正的文字对象。
2. 来自 OCR：软件识别图像中的字符，再以不可见文字的形式写入对应的位置和大小。
3. 来自编辑：部分 PDF 编辑器可以手动添加或修正文字。

OCR 质量取决于分辨率、对比度、字体和语言。2x 截图通常比经过高度压缩的 1x 图像效果更好。

处理文字层的常见错误

• 只凭肉眼检查 PDF，就认为它可以搜索。
• 运行两次 OCR，导致叠加了重复的文字层。
• 把 PDF 拼合或打印成图像，从而丢失文字层。
• 不校对数字和人名就直接信任 OCR 文字。

要把页面转成 PDF？

Temposhot 将截取会话导出为 PDF 时会添加 OCR 文字层。对于已有的图片，请使用 Screenshot to Searchable PDF。请参阅在 Mac 上把截图保存为 PDF。

常见问题

如何检查是否有文字层？

搜索页面上可见的某个词，或尝试选择文字。如果两者都不行，就说明没有文字层。

可以编辑文字层吗？

可以，在支持 OCR 校正或文字编辑的 PDF 编辑器中即可编辑。

参考资料

• 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：在浏览器中添加文字层。
• 从图片中提取文字：读取单张图片中的文字。
• 导出格式：导出可搜索 PDF。