法务同事拿到一份三年前盖章的协议扫描件，要改其中一条付款期限，鼠标在纸上拖了半天，一个字都选不中。这种 PDF 里的字其实是像素，不是文字，任何编辑器都改不动它。找原文件，对方公司对接人早就换了；重打一份再盖章，流程要走一周。剩下能走的路只有一条：先做光学字符识别，把图片里的字认成真正的文本层，然后才谈得上改、谈得上搜索。认得准不准直接决定后面省多少事，一个数字认错，改出来的版本比原文件还危险。

扫描件和图片型PDF是一回事吗？先做这一步判断

严格说不完全一样，但对识别这件事而言处理方式是相同的：扫描件来自扫描仪或者手机拍照，整页就是一张图；图片型 PDF 可能是从别的系统导出的，同样只有图没有字。判断方法很朴素，在正文上拖一下，选得中说明有文本层，那是可以改的活字；选不中就只有像素，必须先识别。还有一种更麻烦的混合体，前面几页是系统导出的活字，后面插进来几页扫描件，这种要分批处理，别一口气全选。接着判断难度：印刷体、正拍、300dpi 以上的原件识别率最高；手写体、斜着拍的、带复杂表格和印章压字的页面，识别率天然就低，别指望一版过，提前留出人工校对的时间。

福昕高级PDF编辑器：识别文本有三种输出，选定区域仅专业版

这款编辑器把识别放在「转换」选项卡下，单文件、批量、局部区域都能处理，输出还能按用途三选一，这点是它最实用的地方。适合手上有一批扫描档案需要检索、归档的单位：既要能搜到关键词，又不想把原件版式改掉。需要留意的是「选定的区域」属于专业版功能，标准版里看不到这一项，具体以实际版本与授权为准。

第1步，进识别入口：切到「转换」选项卡，点「识别文本」，按需要选「当前文件」「多个文件」或者「选定的区域」，只想快速过一遍也可以用它的一键「快速识别」。
第2步，定页面范围和语言：填好页面范围，语言选对，中英文混排的文档要选包含中文的语言项；原件分辨率偏低时注意「缩减像素取样 DPI」这一项。
第3步，选输出类型，这是最关键的一步：输出三选一——「可搜索的图像文本」会保留原图外观、把识别出的文字压在图上，版式几乎不动；「可搜索的图像文本（原始图像）」保留原始图像；「可编辑文本」会把版面重排成真正的文本，改字方便但版式会有变化。要检索归档就选前两种，要改内容就选第三种。
第4步，勾两个容易忽略的选项：「查找所有疑似结果」和「将PDF文件中的线段识别为路径对象」，表格线、下划线多的文档勾上之后识别更完整。
第5步，执行并抽查：点确定开始识别，认完从头翻几页，重点核对数字、日期和人名，认错一个数字比不识别还麻烦，确认无误再另存为新文件。

福昕PDF编辑器个人版：装在本机跑，文件不出本地

只是偶尔认几份、量不大，个人版就够用，同样是装在本机运行，文件不用上传到任何服务器，涉密材料走这条路更踏实。它的识别入口在「转换」选项卡下，走「识别文本」→「当前文件」，其余设置项的名称随版本不同，以实际界面为准。

第1步，打开文件并留底：先另存一份副本，识别是重写文件的过程，留个退路。
第2步，进识别入口：「转换」→「识别文本」→「当前文件」。
第3步，设范围和语言：填页面范围，语言选对，中文材料别默认成英文。
第4步，看输出选项：输出项名称随版本不同，认准让文字变成可选中、可搜索的那一项，以实际界面为准。
第5步，抽查后另存：认完翻几页，核对数字和专有名词，再另存新文件。

ABBYY FineReader：准确率在第一梯队，价格也在

做识别起家的老牌工具，印刷体识别准确率处在第一梯队，表格结构和多栏版式的保留做得比多数编辑器好，语言支持很全。适合档案馆、律所这类要批量数字化、且对准确率要求高的场景。短板同样直白：授权价格不便宜；中文手写体它也认不动；识别完导出的文档依然要人工校对；它的定位是独立软件，改字还得回到编辑器里做。

第1步，新建识别任务：打开软件，选择把图像或 PDF 转成可编辑格式的识别任务。
第2步，导入文件与选语言：导入扫描件，指定文档语言。
第3步，看自动分析结果：它会先做页面分析，把版面切成若干分区，分区切错了要手动调整再识别。
第4步，校对并导出：在比对视图里逐处核对，导出成 Word 或可搜索的 PDF；不同版本设置可能有差异，以实际界面为准。

Adobe Acrobat Pro：识别完就能接着改，但要订阅

它的识别思路跟前面提到的第一种输出一致，识别后文字压在图像上，页面看着没变，但已经能搜索和复制。最大好处是认完不用换软件，接着就能编辑、批注、导出，全流程在同一个界面里。适合已经在用 Acrobat 生态、且能接受订阅制的团队。短板是订阅费用对个人用户不友好；复杂表格重排效果一般；一次只能处理一份，几十份要一份一份点。

第1步，打开扫描件：在 Acrobat 里打开这份 PDF。
第2步，找识别工具：在工具区找到扫描和 OCR 一类功能里的识别文本。
第3步，选语言与范围：指定语言和页面范围，输出设置按需求选。
第4步，验证有没有认上：识别后试着搜索一个关键词，搜不到说明没认上，换语言或提高原件清晰度再来一遍。

Tesseract：免费开源，代价是没有图形界面

开源命令行识别引擎，完全免费，可以写脚本批量跑，几万页也能无人值守地处理，配合去噪、纠偏、二值化这些预处理，效果还能再拉一截。适合有技术能力、要把识别嵌进自己流程里的团队。短板是它本身是命令行工具，没有图形界面；中文要另外装语言包，默认参数下中文效果一般，需要调参和预处理才有可用性。

第1步，装引擎和语言包：安装 Tesseract，并加上中文语言数据包。
第2步，预处理图像：先做纠偏、去噪和二值化，斜着拍的原件这一步不能省。
第3步，跑识别命令：在命令行里指定语言、页面分割模式和输出格式执行。
第4步，批量与抽检：用脚本循环处理整批文件，输出后抽检数字和日期，不同版本参数可能有差异，以实际运行结果为准。

收口：先想清楚是要检索还是要改，再决定输出

下次拿到一份选不中字的 PDF，先别急着挑工具，先问一句认出来是要干什么。只想能搜到关键词、能归档调阅，就走保留原图的那类输出，版式一动不动最省心；要改内容、要摘录，就得走会重排的那类输出，代价是版式要重对一遍。认完别急着发，花两分钟核对数字和人名，手写体和斜拍的页面多留个心眼。这几分钟通常比事后返工划算得多。