如何在手机上搜索PDF中的词语|扫描件用OCR解决

在手机上打开PDF时,经常需要查找其中的某个词语。大多数PDF阅读器应用都有搜索功能,但对于扫描的文件或用照片制作的PDF,搜索时可能完全没有结果。本文将介绍在PDF中搜索词语的基本方法,以及如何用OCR(文字识别)让搜索不到的PDF变得可以搜索。

简单来说,包含文字信息的PDF可以直接用阅读器应用的搜索功能查找。对于像扫描件这样搜索不到的PDF,用OCR(文字识别)添加可搜索、可复制的文字信息,就能在不改变外观的情况下搜索词语。

在手机上搜索PDF中词语的基本方法是?

想在打开PDF的状态下查找词语,可以使用PDF阅读器应用的搜索功能。位置因应用而异,一般在屏幕上方的放大镜图标或菜单中的“搜索”里输入词语,对应位置就会高亮显示,并可依次跳转到下一个结果。

不过,这种搜索只有在PDF中包含“文字信息”时才有效。如果搜索完全没有结果,或者长按屏幕上的文字也无法选中,这个PDF很可能是把整个页面作为图像保存的,需要先多做一步,添加文字信息之后才能搜索。

为什么扫描的PDF文字无法搜索与复制?

用相机拍摄纸质文件生成PDF时,整个页面是作为一张“图像”被保存下来的。虽然肉眼能看到文字,但在电脑上它只是普通的图像数据,并未被识别为文字信息。因此,在搜索框中输入关键词也搜不到对应页面,也无法通过拖拽选中文字进行复制。

OCR(文字识别)是什么?

OCR(Optical Character Recognition,光学字符识别)是一种解析图像中文字形状、并将其识别为文本数据的技术。执行OCR处理后,原本以图像形式保存的PDF会被添加上“可搜索、可复制的文字信息”,外观保持不变,同时也能作为文本来处理。

在PDF工具箱中进行OCR处理的步骤是?

  1. 在PDF工具箱中,点击资料库页面顶部的“工具”(扳手图标)
  2. 点击“生成可搜索的PDF”
  3. 选择文档的语言(日语或中文)
  4. 从文件中选择想要识别的PDF
  5. 处理完成后,资料库中会新增一份可搜索、可复制的“可搜索PDF”

即使选择日语,同一页面上的英文字母和数字也会一并识别。处理结果不会覆盖原来的PDF,而是作为新文档添加到资料库中。

文字识别本身在设备本地完成,PDF的内容不会被发送到外部服务器。不过,为了嵌入可搜索的文字信息,应用会在首次使用时下载Google的开源字体(Noto Sans JP),因此仅第一次需要联网,之后无需联网。

OCR的识别精度很大程度上取决于拍摄或扫描时的画质。在没有倾斜、没有阴影、文字清晰的状态下扫描,可以提高后续OCR处理的精度。
在PDF工具箱中压缩PDF时,页面会被重新生成为图像,刚添加的可搜索文字信息也会随之消失,画质也会下降,因此对压缩后的文件做OCR,识别精度可能会降低。建议把做过OCR的PDF当作原件保留,需要发送较小的文件时,再压缩一份副本。

OCR处理在哪些场景下有用?

  • 想搜索过去的合同或资料:从大量扫描的文件中,用关键词快速找到对应页面
  • 想引用或转录文件的一部分:无需手动输入,直接复制文字即可
  • 想将纸质资料保存为文本数据:无需再手动重新输入

总结

扫描的PDF文字之所以无法搜索与复制,是因为PDF以图像形式保存。使用OCR功能,可以在不改变外观排版的情况下,为PDF添加可搜索、可复制的文字信息。想提升文件管理与检索效率的朋友,不妨试试看。

PDF工具箱 icon

PDF工具箱

扫描、合并、分割、压缩、OCR文字识别,一个应用全搞定。拍照即可立即生成PDF的免费应用。

📲 免费下载

主要功能、使用流程和常见问题,都整理在PDF工具箱的介绍页中。

常见问题

Q. 什么是OCR?

A. 这是一种识别以图像形式保存的文字,并将其转换为可搜索、可复制的文本数据的技术。

Q. 为什么扫描的PDF文字无法复制?

A. 通过扫描或相机拍摄制作的PDF,整个页面是以“图像”形式保存的,不带有文字信息,因此无法直接搜索或复制。

Q. OCR的识别精度如何?

A. 精度会因文字的清晰程度和拍摄状态而不同。在没有倾斜、没有阴影、光线明亮的环境下拍摄的扫描件,识别精度会更高。

Q. 手写文字也能用OCR识别吗?

A. 相比印刷体,手写文字的识别精度往往较低。特别是潦草或不规整的手写字迹,有可能无法被正确识别。

Q. 进行OCR处理后,PDF原有的排版会被破坏吗?

A. PDF工具箱的OCR会保持页面外观的图像不变,只是在其背后添加可搜索的文字信息,因此不会破坏原有排版。

Q. 在手机上如何搜索PDF中的词语?

A. 在PDF阅读器应用的搜索功能(放大镜图标或菜单中的“搜索”)中输入想找的词语。如果PDF包含文字信息,对应位置会被高亮显示。

Q. 为什么在PDF中搜索不到任何内容?

A. 通过扫描或拍照生成的PDF,整个页面是以图像形式保存的,没有可供搜索的文字信息。用OCR添加文字信息后,就可以搜索了。

Q. 执行OCR会覆盖原来的PDF吗?

A. 不会。PDF工具箱会把处理结果作为名为“可搜索PDF”的新文档添加到资料库中。

Q. 压缩后的PDF还能搜索吗?

A. 不能。PDF工具箱的压缩会把页面重新生成为图像,所以压缩后的PDF无法搜索和复制。想搜索的PDF请不要压缩,需要更小的文件时,请压缩一份副本。

作者:佐藤雄一(实业家・自组电脑100台以上经验/PADI认证潜水员)。详细简介请见这里。