如何通过那些软件或方法把扫描版的PDF变为可以复制粘贴？
扫描件想复制，绕不开 OCR，这个前面几位都说了。我补一条没人提的：OCR 跑完之后，页面上你看到的仍然是原来那张图。
这两层是分开存的。识别工具干的活，是在原图底下垫一层看不见的文字，图还压在上面照常显示。你复制到的是垫在下面那层，不是眼睛看到的那层。所以万一识别错了，页面上一点痕迹都没有。
这事我起初也没当回事，直到拿一张自己做的图从头走了一遍。
图是 200dpi 的，很清晰，上面三行字：Invoice No. 20260825-A17、Total Amount: 1,380.00 RMB、Contract clause 3.2 applies.。识别完抽出来一字不差。
接着我把同一张图降到 60dpi、再撒一层噪点，模拟大家手上那种糊扫描件。同一个引擎、同样三行，出来是这样：
Invoice No. 20260825-017
Total Amount: 1,980.00
RB
Gonract use 32 apps.
后两行乱得一眼能看出来，反倒不危险。要命的是前两行。A17 成了 017，1,380 成了 1,980，字面通顺，语法也没毛病，粘进表格谁都不会起疑。而这份 PDF 打开来看，还是原来那张一分不差的图，图上白纸黑字写着 1,380。
看完这个我改了两处做法。
一是动手之前先确认它到底是不是扫描件。拿命令行抽一次文本，抽出来是空的，才是真图片，走 OCR 没错。要是抽出来有内容、但全是乱码，那属于另一种毛病：文件里本来就有文字层，坏的是字形到字符的那张映射表。这种情况再去跑 OCR，是绕远路。
二是别在软件之间反复横跳。源图清不清晰，比换哪个引擎影响大得多，上面那两段结果就是同一个引擎跑出来的。手上只有 150dpi 以下的件，先想办法重扫、或者把原件找回来，比试第五个 OCR 工具划算。
最后说句实在的。正文错一个字，读着别扭还能发现；数字、编号、金额错一位，就很难有人看得出来。这几类识别完必须对着图再核一遍，省不掉。
编辑于 2026-08-25 · 著作权归作者所有