先花三秒判断一下是哪种
用鼠标在PDF上拖着划一划。能选中一段发蓝的文字,说明这份文件里有文字层,只是不能复制或者不能改;怎么拖都只能整块选中图片框,那就是扫描件或者图片导出的PDF,里面一个字都没有,纯像素。
两回事,办法也完全不一样,搞错了会白折腾半小时。
情况一:有文字层,但改不动、复制不了
多半是作者发布时勾了限制编辑、禁止复制的选项。对付这种,一个很土但有效的办法:用PDF阅读器(Edge浏览器打开也行)按 Ctrl+P,打印机选「另存为PDF」,重新打一份出来。多数情况下权限限制不会跟着走。
要直接编辑的话,Adobe Acrobat 的「编辑PDF」和 WPS 的 PDF 编辑都能改,缺点是免费层面上有字数或功能限制。
情况二:扫描件,需要 OCR
OCR就是让软件把图片里的字认出来。几个能用的渠道:
WPS:打开PDF,「工具」→「PDF转Word」或者带 OCR 的选项,新版会先做一次文字识别再转。识别前记得看一眼语言设置,勾简中。
OneNote:把PDF打印或者直接拖进 OneNote,然后在页面上右键 →「复制图片中的文本」,字就在剪贴板里了。这在很多办公电脑上是不用额外装任何东西的最快办法。
Windows 自带的「截图工具」也有文字识别:Win+Shift+S 截下那块内容,在通知中心点开,工具栏里有文本操作的按钮。
手机就更省事了,微信长按图片选「提取文字」,QQ 也是类似入口,临时用够。
识别完必须做的一件事
OCR对数字和近形字很不友好,0和O、1和l、5和S混着来,金额、编号、人名地名这些地方一定要肉眼对着原图核一遍。合同、票据这种出了错要担责的,更不能认完就交出去。
识别结果粘进 Word 之后通常是一行长一段乱,配合查找替换清一下多余的换行和空格,比在OCR界面里反复试要快。
