OCR 与扫描文档：可搜索 PDF 与文本层
光学字符识别（OCR）、文本提取以及扫描文档的可搜索性。
以隐私保护为设计核心
文件通过 WebAssembly 和 HTML5 API 在您的浏览器中进行本地处理。它们绝不会离开您的设备，因此不会上传到服务器，也不会存储在第三方服务中。
拒绝排队，绝不限速
在您的设备上立即开始转换 - 无需等待上传，无需排队下载，也不受远程服务器限速。
免费且无限使用
无需注册账号或购买套餐，也不会受到人为设置的文件大小限制，即可使用所有可用工具。只要您的浏览器和设备能够处理，您可以随时进行转换。
格式比较与技术规格
| 输出格式 | MIME 类型 | 规格 | 类型 |
|---|---|---|---|
| PDF 扫描 | application/pdf | ISO-32000-2 | 位图扫描 PDF |
| IMG 扫描图像 | image/jpeg | W3C-PNG | 扫描文档图像 |
| TXT 提取的文本 | text/plain | RFC-4180-CSV | 无格式纯文本 |
| DOCX Word 文档 | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | 结构化 Word 文档 |
| HOCR HTML | text/html | HOCR-SPEC-12 | hOCR 空间标记 |
| PNG 文档 | image/png | W3C-PNG | 高分辨率扫描 PNG |
| JPG 文档 | image/jpeg | W3C-PNG | 扫描文档 JPEG |
| PDF 文档 | application/pdf | ISO-32000-2 | 便携式文档格式 |
技术规格与编解码器解析
可搜索 PDF 的工作原理
扫描文档本质上只是一张纸质图片的快照。OCR 引擎识别字形，并在图像正上方插入一个不可见的、可选择的文本层。当您在 PDF 中高亮显示或搜索文本时，实际上选中的就是这个不可见的文本层。
为 OCR 选择扫描分辨率
建议的分辨率取决于材料和用途。美国国家档案馆建议现代印刷文本文件至少使用每英寸 300 像素；精细细节或其他采集目标可能需要更高设置。请用有代表性的页面进行测试，并平衡可读性、OCR 结果和文件大小。
实用信息
上传至外部服务器的数据为 0 字节。所有处理均在您的浏览器沙箱中本地完成。