如何让扫描 PDF 变成可搜索、可复制

更新于 2026-07-10

扫描出来的 PDF 本质是一沓图片：看着是文字，但 Ctrl+F 搜不到、鼠标划不了、复制不出来。原因很简单——文件里只有像素，没有文字数据。

解决办法是 OCR（光学字符识别）+ 隐形文字层：识别每页图片上的文字，然后把识别结果以透明形式嵌回 PDF。页面看起来和原来一模一样，但底下多了一层可搜索、可复制的真实文字。这正是 Adobe Acrobat"可搜索图像"功能做的事，下面用免费的浏览器工具完成它——特别适合合同、证件、病历这类不方便上传的文件。

使用工具： 扫描 PDF 转可搜索 PDF（OCR 文字层）

操作步骤

打开"扫描件转可搜索"工具，拖入扫描版 PDF（本地解析，不上传）
在预览区翻到需要识别的页面，点击右上角"OCR 识别本页"
等待本地 AI 模型识别（首次使用下载约 20MB 模型，之后有缓存；支持 WebGPU 的浏览器每页约 1-3 秒）
检查识别结果，选择"隐形文字层"模式嵌入——需要多页就逐页重复
点击"保存PDF"，新文件即可全文搜索、划选复制

隐形文字层是什么原理？

OCR 识别出每段文字的内容和它在页面上的精确位置，保存时把这些文字以"渲染模式 3"（不可见）写入 PDF，位置与图片上的字形逐一对齐。阅读器显示的仍是原扫描图像，但搜索、划选、复制操作的是底下的隐形文字——所以高亮位置能精确落在图片文字上。

另有"白底替换"模式：把识别文字以可见形式直接替换原图区域，适合想要重新排版或原件太模糊的场景。让扫描件保持原貌的话，选隐形层。

识别质量与速度

识别引擎是 PaddleOCR v5 的 ONNX 模型，直接在浏览器里运行：Chrome/Edge 支持 WebGPU 时走 GPU，每页约 1-3 秒；否则回退多线程 WASM，稍慢但可用。印刷体中英文准确率很高，手写体效果有限。

整本书建议分批处理：每次识别若干页、嵌入，最后一次保存。识别结果嵌入前可以逐条检查编辑。

为什么强调"本地处理"？

需要 OCR 的扫描件往往是最敏感的：合同、身份证件、银行流水、病历。多数在线 OCR 服务要把文件传到服务器处理，而本工具的模型在你的浏览器里运行，文件从头到尾不离开你的电脑——这不是营销话术，断网状态下（模型缓存后）它照样能用。

常见问题

嵌入文字层后文件会变大很多吗？

增加的只是文字数据和少量字体信息，通常远小于图片本身的体积，整体增幅一般在几个百分点。

支持哪些语言？

当前模型支持简体中文、繁体中文和英文（含混排）。

识别错误的字会影响搜索吗？

会——搜索匹配的是识别结果。重要文档建议嵌入前抽查关键页的识别文本，可以逐条修改后再嵌入。

处理后原来的扫描图像会被压缩吗？

不会。隐形文字层模式只添加文字层，原图像数据原样保留；如需减小体积，可以之后用压缩工具的"智能压缩"（同样保留文字层）。