免费免登录 · 单文件最多 50MB · 同一网络一次处理一个任务。转换文件会上传至服务器，完成后清理。使用与隐私说明

运行OCR/清理扫描

清理和识别PDF中的图像文本，并将其转换为可编辑文本。

额外设置

使用规则

识别扫描 PDF 中的文字，生成可搜索的文字层，并可额外导出文本。识别质量取决于语言选择、原图清晰度和版面。

先上传 PDF，再选择文档实际使用的语言，至少选一种。列表里是本站已经安装的语言；中英文混排就按需要一起选择，不用把所有语言都勾上。

忽略已有文本模式跳过已经含文字的页面；普通模式遇到已有文字可能报错；强制模式会重新 OCR 全部页面，并改变原有文字内容的处理方式。

纠偏用于改善倾斜扫描；清理用于减少噪点影响，最终清理还会改变输出外观。先在副本中测试，避免浅色印章或细线受到影响。

勾选生成文本文件时，结果会包含 OCR 文本与 PDF，通常打包交付。文本文件不等同于保留原始表格、字体与段落的可编辑文档。

渲染方式按文档语言和兼容性需要选择，HOCR 选项标明适用拉丁字母。移除图像会丢失图像内容，仅在确实需要纯文字结果时考虑。

用搜索和复制验证文字层，重点检查姓名、金额、日期、编号及相似字符。识别不是人工校对，低清、手写和复杂表格的结果更需检查。

常见问题

低分辨率、模糊、倾斜、噪点和语言选择都会影响识别。优先改善扫描源，选择正确语言，再尝试纠偏或清理并比较结果。

如果只想处理没有文字的页面，选忽略已有文本；想重做整个文档文字识别时才考虑强制模式，并注意它可能改变现有文字和外观。

页面语言来自当前环境已安装的 OCR 语言数据。需要额外语言时应补齐部署依赖，勾选近似语言不能保证正确识别。

它会移除输出中的图像，可能使扫描底图、照片或印章消失。只有明确需要纯文字处理结果时再用，重要原貌应另存保留。

启用附加文本输出后，需要同时交付 PDF 和文本文件，所以会打包。解压后分别查看文档外观与识别出的文字。

本工具主要添加文字层或导出识别文本，不保证恢复原始编辑结构。可继续转换 Word，但段落、表格和公式仍需要人工整理。

此服务使用OCRmyPDF和Tesseract进行OCR。

请阅读此文档，了解如何将其用于其他语言和/或不在docker中使用。

https://github.com/Stirling-Tools/Stirling-PDF/blob/main/HowToUseOCR.md