从扫描版 PDF 和图片中提取文字（OCR）
把扫描版 PDF、拍下的页面或截图变成可选中、可复制的文字。在下方上传文件，选择文档的语言，然后把识别出的文字下载为 .txt 文件。
在您的设备上运行——文件永不上传（最大 50 MB）。
与几乎所有 OCR 网站不同，这里永远看不到你的文档：识别完全在你自己设备的浏览器里进行。什么都不会上传——既不给我们，也不给任何人。
工作原理
工具使用编译为 WebAssembly 的 Tesseract OCR 引擎，在浏览器的后台线程中运行。扫描版 PDF 会先逐页以高分辨率渲染，然后用你所选语言的语言模型对每页图像逐字识别。首次运行时会下载该语言模型（几兆字节的静态数据）；你的文件本身绝不会被传输。
由于一切都在你的设备上运行，速度取决于硬件——手机明显比笔记本电脑慢；准确度则取决于扫描质量：清晰、端正、光线充足的页面几乎能完美识别，而歪斜或低分辨率的扫描件错误会更多。
如何提取文字
- 在上方上传扫描版 PDF、JPG、PNG 或 WEBP。
- 选择文档所使用的语言——这对准确度很重要。
- 点击提取文字，查看逐页进度。
- 下载 .txt 文件，或打开它复制你需要的内容。
需要了解的限制
- OCR 输出的是纯文本：版式、分栏、表格和图片不会被还原。
- 准确度取决于扫描质量和正确的语言选择；手写内容一般无法识别。
- PDF 每次最多处理 20 页——更大的文档请先用拆分 PDF 工具拆开。
- 识别在你的设备上运行，硬件较慢时大文档会比较耗时。
隐私与安全
您的文件通过 HTTPS 上传，完全在内存中转换，并直接流式传回您的浏览器。它绝不写入磁盘、不被记录、转换后也不保留——因为什么都没存储，所以也没有需要删除的东西。文件会经扩展名、类型和内容签名三重校验，上传内容绝不会被执行。 详见我们的隐私政策。
常见问题
我的文档会被上传到服务器做 OCR 吗？
不会。OCR 引擎通过 WebAssembly 在你的浏览器里运行，文档绝不离开你的设备。唯一的网络活动是一次性下载语言模型本身——那是静态数据，不会透露你文件的任何信息。
它能识别哪些语言？
英语、西班牙语、法语、德语、葡萄牙语、意大利语、阿拉伯语、简体中文、印尼语和土耳其语。请选择文档本身的语言，而不是你的界面语言——识别使用的是针对具体语言的模型。
能把扫描版 PDF 变成可编辑的 Word 文件吗？
分两步：先在这里运行 OCR 得到文字，再把它粘贴进 Word 或继续转换 .txt。PDF 转 Word 转换器可以直接处理文本型 PDF，但扫描件必须先经过这一步 OCR——因为扫描件里装的是字母的图片，不是文字。
为什么识别出的文字有些地方是错的？
OCR 的准确度跟着扫描质量走。照片模糊、字体太小、页面歪斜和语言选错是最常见的原因。用更高分辨率重新扫描、裁剪到页面范围，并再次确认语言选择，大多数问题都能解决。