PDF 轉文字（文字提取 + 掃描件 OCR）
【PDF 轉文字】將 PDF 入面嘅文字抽取出嚟，變成你可以複製、編輯同下載嘅文字。工具會逐頁自動判斷：有文字層嘅頁面直接抽取，秒出而且百分百準確；掃描出嚟嘅頁面就自動轉用 OCR 識別。成個過程喺你部機嘅瀏覽器完成，檔案唔會上載到任何伺服器。
PDF 轉文字 · 文字層 + OCR
頁面狀態
TXT
0 字元PDF 喺你部機嘅瀏覽器處理，唔會上載到伺服器。處理合約、月結單、醫療報告呢類文件都用得安心。
點樣用
- 放份 PDF 入去 — 撳一下拉放區揀檔，或者直接將 PDF 拉入去。
- 揀頁數（可以留空）— 寫
1-10、3、或者1,5,8-12都得。留空就處理成份。 - 撳「開始轉換」 — 工具會逐頁判斷，完成後右邊出晒文字，可以複製或者下載 .txt。
轉換期間，左邊嘅頁面狀態格會即時變色：綠色代表嗰頁有文字層、直接抽取到；橙色代表嗰頁係掃描件、行緊 OCR。你一眼就知份 PDF 到底係咩嚟。
最重要嘅一件事：你份 PDF 可能根本唔使 OCR
好多人以為 PDF 轉文字一定要 OCR，其實唔係。PDF 分兩種：
| 文字層 PDF | 掃描件 PDF | |
|---|---|---|
| 點嚟 | Word／Excel 匯出、網上下載嘅報告、電子帳單、電子書 | 影印機掃描、手機影相轉 PDF、傳真 |
| 入面裝住乜 | 真正嘅文字資料 | 一張張圖片 |
| 抽取速度 | 即時，一秒幾十頁 | 每頁 5–15 秒 |
| 準確度 | 100% | 睇圖片質素，通常 85–98% |
| 使唔使載語言檔 | 唔使 | 要（約 10–15 MB） |
點分辨？ 最簡單嘅方法：用普通 PDF 閱讀器打開，試吓用滑鼠選取文字。選得到就係文字層 PDF，選唔到（成頁一齊變藍）就係掃描件。
呢個工具唔使你自己分 —— 佢會逐頁試抽文字層，抽唔到先至轉 OCR。所以一份混合型嘅 PDF（例如前面係打字、後面附咗掃描收據）都處理得到。
頁數點寫
| 你想要 | 就寫 |
|---|---|
| 全部頁 | 留空 |
| 第 1 至 10 頁 | 1-10 |
| 淨係第 3 頁 | 3 |
| 第 1、5 頁同 8 至 12 頁 | 1,5,8-12 |
掃描件一次最多處理 20 頁。 唔係我哋孤寒，係因為 OCR 喺瀏覽器行，一頁大約要 5–15 秒——200 頁嘅話你部機要跑成半個鐘，個 tab 好可能未跑完就已經被系統回收。分批做（1-20、21-40）反而穩陣好多。文字層 PDF 就冇呢個限制，幾多頁都得。
如果抽出嚟係亂碼
有時份 PDF 明明「有文字層」，但抽出嚟係一堆符號、問號，或者一篇完全唔通嘅生僻字。呢個唔係工具壞咗，係份 PDF 本身有問題。
PDF 入面嘅嵌入字型，需要一張叫 ToUnicode 嘅對照表，先可以將字型入面嘅字形編號翻譯返做真正嘅文字。中文 PDF 特別容易缺呢張表或者填錯 —— 常見於舊版排版軟件、某啲中文 Word 匯出、傳真轉檔，同埋由第三方軟件事後「加返」文字層嘅掃描件。呢種情況下，文字層係存在嘅，但入面嘅內容係錯嘅。
呢個工具會自動檢查抽出嚟嘅文字係咪可信：如果見到私有區字元、大量替換符號，或者成頁中文都係生僻字，就會當嗰頁係掃描件，自動轉用 OCR，並且喺完成之後話返你知有幾多頁做過呢個回退。
如果自動判斷仲係唔夠準，將上面嘅「模式」轉做「全部用 OCR」 —— 工具會完全唔理文字層，逐頁 render 成圖片再識別。慢好多（每頁 5–15 秒），但遇到壞檔案時最穩陣。
掃描件想準確啲
- 揀啱語言 — 只揀份文件真正用到嘅語言。同時揀繁中同簡中會令兩者都變差。
- 原始檔愈清晰愈好 — 300 DPI 掃描出嚟嘅 PDF，準確度會明顯高過用手機影相再轉 PDF。
- 份文件如果係歪嘅 — OCR 對傾斜好敏感。可以先用 PDF 編輯器將頁面轉正再試。
- 表格同多欄排版會亂序 — 呢個係 OCR 嘅先天限制，抽出嚟之後通常要自己執一執。
加密 PDF 點算
如果份 PDF 有開啟密碼，工具會彈出一個密碼欄，你輸入返就可以繼續。密碼同檔案一樣，全程留喺你部機，唔會傳去任何地方。
如果係「唔畀複製」嗰種權限密碼（owner password），因為文件本身開得到，工具通常都抽取到文字。
你份 PDF 唔會離開部機
呢個工具用開源嘅 pdf.js 讀 PDF、Tesseract.js 做 OCR，兩者都喺你部機嘅瀏覽器行，檔案同抽取出嚟嘅文字都唔會上載去任何伺服器。
大部分免費線上 PDF 工具都要你將份檔上載到佢哋部伺服器先處理得到 —— 如果你要處理嘅係僱傭合約、銀行月結單、醫療報告、律師信呢啲嘢，呢個分別好重要。
常見問題
PDF 轉文字要收費嗎？有冇頁數限制？
完全免費，唔使註冊。有文字層嘅 PDF 冇頁數限制；掃描件因為要喺瀏覽器行 OCR，一次最多 20 頁，可以分批處理。
我份 PDF 會唔會被上載？
唔會。工具用 pdf.js 同 Tesseract.js，全部喺你部機嘅瀏覽器行，檔案同結果都唔會傳去任何伺服器。
點解有啲 PDF 一秒就出，有啲要等好耐？
因為 PDF 分兩種。文字層 PDF 入面本身就有文字資料，直接讀出嚟就得；掃描件入面淨係圖片，要行 OCR 逐頁識別，每頁大約 5–15 秒。
點知道我份 PDF 係邊種？
用普通 PDF 閱讀器打開，試吓用滑鼠選取文字。選得到就係文字層 PDF，選唔到就係掃描件。不過你唔使自己分——呢個工具會逐頁自動判斷。
有密碼嘅 PDF 得唔得？
得。工具會彈出密碼欄，輸入開啟密碼就可以繼續。密碼全程留喺你部機。
抽出嚟嘅文字係亂碼點算？
將「模式」轉做「全部用 OCR」就可以。亂碼通常係因為份 PDF 嘅嵌入字型缺少 ToUnicode 對照表，令文字層本身就係錯嘅——中文 PDF 特別常見。工具會自動偵測呢種情況並且回退到 OCR，但如果自動判斷唔夠準，手動強制全 OCR 一定得。
排版同表格會唔會保留？
唔會。輸出係純文字（.txt），唔會保留字體、圖片同表格框線。多欄排版同表格嘅閱讀順序有機會會亂，抽出嚟之後通常要自己執一執。
其他你可能用得著嘅工具
- 圖片轉文字 — 一張圖、一個截圖就用呢個，快好多
- 刪除重複行／移除去除重複資料 — 清走轉換後重複嘅頁眉頁腳
- 擷取資料列 — 由分隔文本抽出你要嗰欄
- 自動加前綴後綴 — 將抽出嚟嘅文字批量加上格式
- 更多文字工具