当你收到一份扫描的 PDF 文件时，你可能注意到无法用 Ctrl+F 搜寻文字、无法复制任何内容，这是因为扫描 PDF 本质上只是一张或多张图片的集合，不包含任何可辨识的文字资料。透过 OCR（光学字元辨识）技术，可以将这种“图片型 PDF”转换为“可搜寻 PDF”，大幅提升文件的实用性。本文将详细介绍什么是可搜寻 PDF、各种工具的操作方式，以及多语言和批量 OCR 的处理方法。
什么是可搜寻 PDF？
PDF 文件主要分为两种类型：
- 原生 PDF（Native/True PDF）：由软体直接输出，例如 Word 汇出的 PDF、网页转存的 PDF。这类 PDF 本身就包含文字资料，可以直接搜寻、复制和选取文字。
- 扫描 PDF（Scanned PDF）：由纸本文件经扫描仪或相机拍摄后生成，本质上是图片。无法搜寻、无法复制文字，也无法让萤幕阅读器读出内容（对视觉障碍用户不友善）。
OCR 处理后，扫描 PDF 会变成“可搜寻 PDF”（Searchable PDF）——技术上，OCR 引擎辨识图片中的文字后，会在图片下方建立一个隐藏的文字层，搜寻和复制操作都针对这个文字层进行，而原始图片仍然保留，确保外观不变。
方法一：Adobe Acrobat OCR 操作教学
Adobe Acrobat Pro 是功能最完整的 PDF OCR 工具，准确率高，且能完整保留原始文件的版面配置。
操作步骤：
- 在 Acrobat Pro 中开启扫描 PDF。
- 点击右侧面板的“扫描与 OCR”（Scan & OCR），或使用顶部选单“工具”→“扫描与 OCR”。
- 选择“辨识文字”（Recognize Text）→“在此档案中”（In This File）。
- 在设定面板中选择文件语言（如“繁体中文”或“Traditional Chinese”）。
- 选择 OCR 输出类型：
- “可搜寻的图像”：保留原始外观，在背后加入隐藏文字层，适合需要保留原始格式的情况。
- “可搜寻的图像（精确）”：进一步优化文字层的精准度。
- “可编辑文字和图形”：尝试将 PDF 完全转换为可编辑版面，适合需要大幅修改内容的情况，但版面可能有所变动。
- 点击“辨识文字”，等待处理完成后储存。
Acrobat 的优势在于对复杂版面（多栏、表格、混合图文）的处理能力，以及对数十种语言的支援。但它需要付费订阅，Acrobat Standard 约 NT$480/月，Acrobat Pro 约 NT$780/月。
方法二：Google Drive 免费 OCR
很少人知道 Google Drive 本身就内建了免费的 OCR 功能，虽然功能没有 Acrobat 强大，但对于一般文件完全够用：
- 将扫描 PDF 上传至 Google Drive。
- 在 Google Drive 中，右键点击 PDF 文件，选择“以 Google 文件开启”（Open with Google Docs）。
- Google 会自动进行 OCR 并在新标签页开启 Google Docs 文件，文字内容已可编辑和搜寻。
- 若需要 PDF 格式，可在 Docs 中选择“下载”→“PDF 文件”重新汇出。
Google Drive OCR 的限制：对复杂版面的处理效果较差，表格可能无法完整辨识，对繁体中文的支援虽然存在但准确率稍逊于 Acrobat。此方法最适合版面简单的文字型文件。
方法三：使用线上 OCR 工具
若不想使用付费软体，有几个优质的线上 OCR 工具可以免费使用：
- iLovePDF OCR：支援多语言 OCR，操作简便，直接在浏览器中上传 PDF 并下载可搜寻版本，适合偶尔使用的场景。
- Smallpdf：提供 PDF OCR 功能，免费版每日可处理有限数量的文件。
- PDF24 Tools：基于 Tesseract OCR 引擎，免费且支援多种语言，准确率接近商业工具。
使用线上工具的注意事项：上传含有个人资料或机密资讯的文件到第三方服务器存在隐私风险，建议对于敏感文件使用本机软体（如 Acrobat 或开源的 Tesseract）进行 OCR 处理。
多语言 OCR 设定
若文件包含中文、英文或其他语言，需要正确设定语言以确保辨识准确率：
- Adobe Acrobat：在 OCR 设定中选择语言，可选择“繁体中文”或“简体中文”，以及对应的混合语言设定。
- Tesseract（命令列）：使用
-l chi_tra+eng 参数同时启用繁体中文和英文辨识，两种语言的模型会协同工作。
- 线上工具：大多数线上工具提供语言下拉选单，选择“Chinese Traditional”或“Chinese Simplified”即可。
对于中文 OCR，文件品质特别重要。繁体中文字体笔画复杂，扫描解析度低于 200 DPI 时辨识准确率会显着下降。建议使用至少 300 DPI 的扫描解析度以获得最佳效果。
批量 OCR：一次处理大量扫描文件
若需要对大量扫描 PDF 进行 OCR，逐一手动处理效率太低。以下是批量 OCR 的几种方法：
- Adobe Acrobat 批量处理：在 Acrobat Pro 中，使用“动作精灵”（Action Wizard）建立自动化动作，可以对整个资料夹的 PDF 文件自动执行 OCR，并设定输出路径。
- Tesseract 命令列批量处理：对于技术用户，Tesseract 是免费开源的 OCR 引擎，可以透过脚本（Shell Script 或 Python）对整个资料夹的图片或 PDF 进行批量 OCR 处理。
- ABBYY FineReader：商业软体，提供强大的批量 OCR 功能，是企业级文件数位化的常用选择，支援 200 多种语言和自动语言侦测。
在浏览器里直接完成，档案不会离开你的电脑：PDF 工具
