免费在线将扫描件 PDF 中的文字识别为可搜索、可复制的文本。支持中英文混合识别，输出可搜索 PDF 或纯文本。
立即识别 PDF 文字点击上传或拖拽扫描件/图片 PDF 文件到页面。
选择文档语言（支持中文、英文、中英混合），启动 OCR 引擎进行识别。
选择输出格式：可搜索 PDF（文字层叠加）或纯文本/Markdown 文件。
支持中文、英文、中英混合、日文等多语种 OCR 识别，准确率达 97%+。
识别后在 PDF 中叠加透明文字层，生成可搜索、可选中的 PDF 文件。
支持将识别结果导出为 TXT 文本或 Markdown 格式，方便整理和引用。
基于 Tesseract.js 引擎在浏览器内运行，无需上传文件，安全私密。
识别出的文字可直接送入 AI 合规引擎做风险扫描。
PDFnoted 的 OCR 工具基于 Tesseract 引擎，支持中文（简繁）、英文、日文、韩文等 20+ 种语言。可同时识别多语言混排文档，识别精度高达 95% 以上。
可以。OCR 工具会将扫描版 PDF 中的图片文字识别为可编辑文本，您可以直接复制识别结果或导出为 TXT 文件。对于清晰度较高的扫描件，识别效果更佳。
OCR 识别引擎完全在浏览器端运行（通过 WebAssembly），无需联网上传文件。首次加载时需下载语言包（约 5-10MB），之后可离线使用。
提高精度的方法：1) 确保扫描件清晰度在 300 DPI 以上；2) 选择正确的识别语言；3) 对倾斜页面先进行旋转校正；4) 对低对比度图片先增强对比度。
目前 OCR 引擎主要针对印刷体文字优化，手写体识别精度有限。对于规范的手写印刷体（如填表），可以尝试识别，但建议人工校对结果。
大文件处理时间与页数和图片分辨率相关。建议对超过 50 页的文档分批处理。处理过程中请保持页面打开，不要关闭浏览器标签页。
数据与权威背书
知识库规模与覆盖度，来源于持续更新的法规条文索引
OCR 工具支持多语言识别与版式还原，输出可检索、可复制的文本层。 合规扫描基于多层级检索（精确匹配 → TF-IDF → 引文扩展 → 有效性重排）。方法论参考 Princeton GEO 论文（arXiv:2311.09735），结构化数据遵循 Schema.org 规范，PDF 标准参见 ISO 32000 与 Adobe PDF 规范。
能。系统先做页面矫正与背景匀化，去除翻页阴影、黑边与噪点，再提升文字对比度。轻度到中度缺陷的扫描件效果明显；严重缺字的页面建议重新扫描，AI 不会凭空补字。
是。OCR 会在原图下方生成一层可选中的文字层，文件外观不变，但可以做全文检索、复制与引用。中文（简体）与英文均支持。
会。手写批注与印章会被当成图像噪声，影响正文识别准确率。建议先清理手写与印章，再做 OCR；PDFnoted 支持按这个顺序处理，并在结果里标注低置信度的位置供你核对。
Deskew and normalize the background first (removing page shadows, black borders and noise), then raise text contrast. Light to moderate defects improve significantly; badly missing glyphs should be rescanned, since the tool will not invent characters.
Yes. OCR adds a selectable text layer under the original image, so the file looks the same but becomes searchable and copyable. Simplified Chinese and English are supported.
去阴影黑边 + OCR 一步完成，免注册，中文英文都支持。
清理扫描件 PDF