为扫描版PDF添加OCR文本层
上传一份扫描版或仅含图像的PDF，选择其语言，即可获得一份外观完全相同、但现在可以搜索的副本，其中的文本可选中、可复制——OCR完全在您的浏览器中使用Tesseract.js运行。每一页的原始图像都会原样保留，同时识别出的文本会以匹配的位置绘制在上方，但会被设为完全不可见，因此文件的外观永远不会改变。处理完成后，该工具会重新提取刚刚嵌入的文本，并显示找到了多少个可搜索的词，让您在信任结果之前确认它确实生效了。
常见问题
处理之后PDF看起来会不一样吗？
不会。每一页的原始图像都完全原样保留——识别出的文本会以匹配的位置绘制在上方，但被设为完全不可见，因此从视觉上看文件没有变化。它只是在底层变得可搜索、可选中、可复制。
我怎么知道文本层真的生效了？
处理完成后，该工具会使用与“PDF转文本”工具相同的提取方式，从刚生成的文件中重新提取文本，并显示找到了多少个可搜索的词。如果这个数字是0，很可能是扫描件本身的某些问题（质量非常差、语言选错，或者页面确实是空白的）导致OCR无法读取。
识别出的文本准确度如何？
这完全取决于扫描质量——清晰、高分辨率、光线良好的印刷文本扫描件识别效果很好，而模糊、倾斜、低分辨率或手写的页面则会出现更多错误。此工具让文档变得可搜索，但不保证识别完全准确，因此不要完全依赖隐藏文本100%正确。
支持哪些语言？
在处理之前选择文档的语言——OCR引擎会加载特定语言的模型，因此将其与文档的实际语言匹配，效果会明显好于让它停留在错误的语言上。
我的PDF会被上传到任何地方吗？
不会。渲染、OCR和PDF重建全部使用pdf.js、Tesseract.js和pdf-lib在您的浏览器中本地完成——文件绝不会发送到服务器。