掃描PDF轉文字：用 OCR 讓掃描檔可搜尋、複製

掃描PDF轉文字的關鍵是先執行 OCR，讓原本只是頁面影像的掃描 PDF 加上可搜尋、可複製的文字層。使用 OCR PDF 上傳檔案、選擇文件語言並按「辨識文字」後，即可下載可搜尋的 PDF；完成後請以搜尋與複製貼上的方式抽查辨識結果。

掃描 PDF 為什麼不能搜尋文字？OCR 能做什麼？

多數掃描器、事務機或手機掃描功能，會把紙本每一頁拍成影像，再包裝成 PDF。畫面上的中文看起來像正常文件，但對 PDF 閱讀器而言，那其實是一整張圖片，而不是一個個可選取的字元。因此，按 Ctrl+F 找不到關鍵字、拖曳滑鼠只能框選一塊區域，或複製後沒有可用文字，都是常見情況。

OCR 是「光學字元辨識」。它會分析掃描影像中的字形，並在原頁面影像上建立文字層。完成後，掃描頁的視覺外觀通常仍以原始影像為主，但您可以搜尋文字、選取段落及複製內容。

OCR 很適合掃描合約、講義、收據、舊檔案、影印資料與表單。不過它不是逐字保證的轉錄服務：手寫字、模糊字、低解析度影本、反光照片、藝術字體、印章遮住文字或多欄表格，都可能造成辨識錯誤。

如何在線上把掃描 PDF 轉成可搜尋文字？

可依下列步驟使用 PDF Toucan 的 OCR 工具。它可一次加入多個 PDF，但每個檔案會分別處理；頁數很多或影像較複雜時，辨識可能需要幾分鐘。

1. 開啟 OCR PDF，按「選擇 PDF 檔案」加入掃描檔。您也可以將檔案拖曳到頁面任意位置，或直接貼上檔案。
2. 在「Document language」選擇文件實際使用的語言。至少要選擇一種語言。
3. 如有需要，開啟更多選項，設定要掃描的頁面及頁面修正功能。
4. 按「辨識文字」，並等待處理完成。處理時請保留瀏覽器分頁開啟。
5. 出現辨識完成訊息後，下載可搜尋的 PDF。
6. 用常用的 PDF 閱讀器開啟結果，在 Windows 按 Ctrl+F，Mac 按 Command+F，搜尋文件上看得到的一個明確詞語。

此工具不需帳號、不加浮水印，瀏覽器工具也沒有每日使用次數限制。不過 OCR 需要伺服器運算：檔案會經 HTTPS 傳送至位於歐盟的伺服器，在記憶體中處理，不會寫入磁碟或保存；結果下載後會立即刪除，最晚於 10 分鐘後刪除。

OCR 語言要怎麼選？中文、英文混排可一起辨識嗎？

可以。語言設定不是單純介面偏好，而是讓辨識引擎知道應預期哪些字母、字形與語言規則。文件為繁體中文時，選擇中文；中英混排的履歷、型錄、研究資料或合約，則同時選中文與英文。若日文、韓文或其他語言確實出現在正文，也可加入對應語言。

一次最多可合併 5 種語言，並支援 30 種辨識語言，涵蓋中文、日文、韓文、拉丁、阿拉伯、希伯來、泰文等文字系統。但不建議把所有可能語言都勾選：額外語言會拖慢辨識，也可能讓相似字元出現不必要的替換。

建議依內容選擇：

• 繁體中文公文、講義或合約：選中文。
• 中文與英文並列的說明書、履歷：選中文與英文。
• 中文文件偶爾出現產品型號或品牌名稱：通常不必為少數詞彙加入多種語言。
• 有人名、地址、帳號、日期、金額或表格欄位：完成後務必逐項抽查。

尤其是數字與字母相近的情況，例如 0 與 O、1 與 l、5 與 S，或中文姓名中的罕用字，都不應只靠 OCR 結果直接用於正式用途。

掃描頁面歪掉、倒著放，OCR 前要開哪些修正？

掃描品質會直接影響 OCR。若原稿沒有平放、送紙歪斜，或部分頁面旋轉，先選對頁面修正選項通常比事後大量改字有效。

• Straighten tilted pages：修正輕微傾斜的頁面。橫排文字若歪斜數度，辨識行距與字詞邊界較容易出錯；開啟後也能改善閱讀觀感。
• Fix page orientation automatically：自動修正上下顛倒或側放頁面。適合混有橫向表格、直向文件，或掃描時方向不一致的檔案。
• Scan pages without text：建議一般情況保留此選項。它只辨識尚未含文字的頁面，已有文字的頁面會維持原狀。
• Recognize existing text again：如果 PDF 已有文字層，但搜尋不到明明看得到的內容，或複製結果嚴重亂碼，可用此選項移除舊的錯誤文字層後重讀。
• Treat every page as an image：每一頁都轉成影像後從頭辨識。這適合文字層嚴重損壞或來源混亂的檔案，但原有的可選取文字和連結會遺失。

要注意的是，選擇重新辨識既有文字時，無法使用頁面傾斜校正。若文件既需要拉正歪斜頁面，又必須全面重做文字層，可考慮將每頁視為影像重新辨識，但應先接受原有連結與可選取文字會消失的影響。

若要處理數百頁檔案，建議先以幾頁代表性頁面測試。包含印章、表格、收據、細小字、多欄排版或影印痕跡的頁面，最值得優先確認。

OCR 完成後，怎麼檢查掃描 PDF 是否真的可搜尋？

下載完成不代表所有文字都完全正確。請至少做以下檢查，通常只需幾分鐘，卻能及早發現整批設定錯誤的問題。

1. 在結果 PDF 中搜尋公司名稱、文件標題、日期或地址等明確存在的詞。Windows 使用 Ctrl+F，Mac 使用 Command+F。
2. 分別抽查開頭、中段與末頁。不要只因第一頁搜尋成功，就認定整份檔案辨識無誤。
3. 選取一小段文字，複製到純文字欄位中，再與掃描頁逐字對照。
4. 特別檢查傾斜頁、印章附近、細小字、表格、金額、電話、日期，以及中英數混排處。
5. 若某幾頁結果很差，先檢查原稿是否模糊、反光、方向錯誤或歪斜，再以正確語言及頁面修正選項重新處理。

此外，OCR 會修改 PDF 內容來加入文字層。因此，若原始檔帶有數位簽章，處理後該數位簽章將不再有效。請保留簽署後的原始檔不變，並把 OCR 版本視為供搜尋、複製或工作使用的副本。

掃描 PDF OCR 後可以轉 Word 嗎？有什麼限制？

「可搜尋」不等於「版面完全可編輯」。OCR 的主要成果是含文字層的 PDF，適合找關鍵字、複製段落和擷取內容；如果只需要引用少量文字，從 OCR 後 PDF 複製並校對，往往最直接。

若需要 DOCX，可依正確順序處理：

1. 先在 OCR 工具完成辨識並下載可搜尋 PDF。
2. 開啟 PDF 轉 Word，按「選擇 PDF 檔案」，加入剛下載的 OCR 版本，而不是原始掃描檔。
3. 按「轉換為 Word」，再下載 DOCX 文件。
4. 在 Word 中檢查段落、換行、表格欄位、頁首頁尾與數字後，再進行編修或引用。

直接將沒有文字層的掃描 PDF 轉 Word，掃描頁不會自動變成可編輯文字，而是以圖片加入 Word 文件。先 OCR 再轉換，轉換工具才有可處理的文字內容。即使如此，複雜表格、多欄排版、註腳與特殊格式仍可能需要手動整理。

上傳含個資的掃描 PDF 安全嗎？

PDF Toucan 的 OCR 與 PDF 轉 Word 都透過 HTTPS 傳送檔案，並在歐盟伺服器的記憶體中處理；檔案不會寫入磁碟或保存，下載結果後立即刪除，最晚不超過 10 分鐘。

不過，這些技術處理方式不會取代組織本身的資料規範。身分證號、病歷、薪資資料、未公開合約、客戶名單或受保密義務限制的文件，仍應先依公司、學校、機關或法規要求判斷能否使用線上服務。若文件規定不得離開裝置，請改用符合規範的離線工具。

常見問題

掃描 PDF 轉文字後，原本的版面會改掉嗎？

通常不會明顯改變。OCR 主要是在掃描頁影像後方新增文字層，原有的頁面視覺外觀仍以掃描影像呈現。不過若啟用傾斜校正、方向修正或將每頁視為影像重新辨識，頁面可能被旋轉或拉正。

PDF OCR 可以辨識繁體中文和英文混排嗎？

可以。在「Document language」同時選擇中文與英文即可。最多可合併 5 種語言，但只應選文件確實出現的語言；加入太多不相關語言會使處理較慢，也可能降低部分字元的判讀穩定性。

為什麼 OCR 後有些中文字或數字辨識錯誤？

辨識品質受原始影像影響很大。模糊、過暗、傾斜、反光、印章遮字、手寫內容、影印雜訊和細小字都會增加錯誤。請抽查姓名、金額、日期與型號，必要時調整語言、方向或傾斜校正後重新辨識。

掃描 PDF 直接轉 Word，為什麼文字還是不能編輯？

因為原始掃描 PDF 的每一頁通常只是圖片，沒有真正文字可轉換。PDF 轉 Word 會把這類掃描頁加入 DOCX 作為圖片。應先對 PDF 執行 OCR、下載可搜尋版本，再將該版本轉為 Word，並在 Word 中校對排版與內容。