对扫描 PDF 执行 OCR，设置识别语言和页面范围，改善倾斜与清晰度，并通过关键词和数字抽样校对识别结果。
开始前先确认范围
OCR 只能根据图像推测文字。低分辨率、倾斜、印章、表格和混合语言都会降低准确率，重要数据必须人工复核。
按顺序完成操作
- 复制原文件并检查扫描方向、清晰度和页数。
- 选择正确的主要语言，混合文档按页面分批处理。
- 需要时先进行旋转、纠偏和去背景。
- 执行 OCR 并保存为保留页面外观的可搜索 PDF。
- 搜索姓名、金额和编号，逐页抽样校对。
关键设置怎么选
| 项目 | 建议 | 原因 |
|---|---|---|
| 输出类型 | 可搜索图像 | 保留版式并增加隐藏文字层 |
| 语言 | 按主要文字选择 | 错误语言会降低识别率 |
| 分辨率 | 清晰可读优先 | 过度压缩会丢失笔画 |
常见问题与处理
- 识别文字顺序混乱时可能是复杂分栏或表格。
- 印章覆盖文字需人工核对。
- OCR 后文件变大时检查是否同时保留了高分辨率图像。
完成后如何验收
- 随机抽查至少三页。
- 重点核对日期、金额和证件编号。
- 复制一段文字到纯文本检查隐藏层顺序。
版本与安全提示
OCR 结果不是原件证明。处理个人信息、合同和财务扫描件时使用可信本地工具，并控制文件访问权限。
参考资料
- PDF 工具帮助：识别扫描文本和创建可搜索 PDF。
- 办公技巧 OCR 校对清单：数字、专有名词与阅读顺序。
在本文方法的基础上，OCR识别手写文字靠谱吗：字迹条件、准确率测试和人工校对进一步解决了评估OCR识别手写文字的适用范围，通过同一批样本测试字迹、拍摄质量和语言设置，并建立姓名、数字与关键字段的人工校对流程。