為什麼掃描的 PDF 無法搜尋文字

看得見的字，不一定以文字儲存

掃描頁可能只有文字的圖片。在TruePage中排列或匯出不會加入OCR。準備可讀PDF，使用支援OCR的工具，並對照掃描件核驗辨識文字。

分清三種常見文件

由文字文件產生的 PDF，可能含真正的文字物件。檢視器通常可選取與搜尋，但複製品質與閱讀順序仍會受 PDF 建立方式影響。可見頁面與儲存文字有關，卻不是同一件事。

純圖片掃描包含的是頁面影像。看起來像字的深色筆畫，其實是像素。檢視器可以清楚顯示它們，卻沒有可供搜尋的字元序列。放大讓像素更容易觀察，不會把像素轉成文字。

經 OCR 的掃描 PDF，則可能同時保留頁面圖片與辨識文字。外觀看起來與之前相同，文字層卻讓字可以選取或搜尋。辨識文字可能有錯誤，因此搜尋成功能證明有文字，不代表轉錄完全正確。

同一份文件也可能混合這幾種情況。第一頁來自文書處理程式，後面則是拍攝的收據。搜尋到第一頁標題，不能證明每份附件都可搜尋。

在支援搜尋的檢視器測試

用支援選取文字與文件內搜尋的檢視器開啟儲存的 PDF。找一個頁面上清楚可見、容易區分的詞來搜尋，再試著選取短句，複製到自己控制的純文字欄位。

不要只測一頁或一個詞。詞可能被拆開、採用特殊編碼，或辨識錯誤，所以單次搜尋失敗不能證明整份都是圖片；同樣地，一次成功也不能證明所有頁面都有可用文字。

查看複製結果：字元正確嗎？空格與換行合理嗎？不同欄的文字是否交錯？這些檢查能區分「存在文字物件」與「文字真的適合讀者使用」。

無法選取時，先考慮檢視器行為與文件限制，再下結論。TruePage 的視覺預覽用於頁面檢查，不是 OCR 準確度測試。搜尋與複製應在支援相應功能的檢視器裡驗證。

為什麼再匯出一次沒有幫助

把 JPG 或 PNG 加入 TruePage，會在排列中建立圖片頁面。匯出成 PDF 時，圖片被放進結果文件；流程不會逐一分析像素群，再替它們指派字元。

純圖片 PDF 來源也一樣。重新排序、移除或旋轉頁面，只會改變文件排列，不會替掃描字詞建立辨識文字層。

改副檔名也不能加入文字。圖片製成的 PDF 若需要可搜尋字元，就需要辨識工作。下一個有用的操作，是在提供 OCR 的工具中辨識，而不是重複匯出排列。

壓縮處理另一種問題：減少儲存空間，不是辨識字詞。不要把 TruePage 的壓縮設定當成 OCR 選項。純圖片 PDF 即使變小，也仍是純圖片，除非另一個流程加入文字。

辨識前改善來源

檢查原始掃描是否模糊、缺邊、有陰影或歪斜。辨識依賴可用圖片，因此缺少的頁尾或讀不清的字，不能只靠要求更多輸出像素就可靠恢復。

除了整體頁面，也查看小字。掃描整頁看起來整齊，在閱讀大小下卻可能分不清相似字元。用途涉及日期、參考編號、標點或小數分隔符號時，要格外仔細。

可以重新掃描或拍攝時，完整拍到紙張，並保留可讀細節。需要透視校正或其他清理時，用適合的圖片工具準備複本。保留原件，以便比較變更，避免丟失來源資訊。

不要假定增加匯出 DPI 就能讓原本模糊的掃描長出新細節。較高 DPI 會產生更多像素，但那些像素能呈現什麼，仍受來源限制。更好的輸入，比把同一個缺陷放大更有用。

交給 OCR 前，先排列好頁面

TruePage 可以協助為獨立 OCR 流程準備連貫文件。加入所需來源、排好順序、移除不要的項目，並轉正橫倒頁面。核對後，下一個工具才會收到真正想辨識的內容。

按照文件用途決定順序，不要只依檔名排序。掃描資料可能有封面、附件與各自的印刷頁碼。閱讀來源交接處，並把排列頁數和預期數量比較。

直接匯入的圖片可以透過 影像頁面版面配置 設定紙張、邊界與放置方式。符合讓完整圖片留在可用區域；填滿（裁切）可能隱藏邊緣，而那些邊緣可能正含 OCR 需要讀取的字。

套用共同圖片設定後，查看每一頁。相同配置設定作用於不同形狀圖片時，可能得到不同結果。既有 PDF 來源頁面即使內含掃描圖，也不會被圖片配置控制項重新排版。

匯出容易辨認的 OCR 輸入

選 匯出 PDF 並確認範圍。所有頁面使用完整排列，選取的頁面使用目前選取內容。把文件交給 OCR 工具前，先在儲存流程核對預定頁數與檔案數。

用名稱分清準備輸入與辨識輸出，例如 packet-arranged 與 packet-searchable。名稱只是表示流程階段；在把第二份視為成功辨識前，仍要驗證實際內容。

繼續前開啟排列 PDF，檢查順序、方向、邊緣與可讀性，避免對仍包含錯頁或缺少必要附件的文件執行辨識。

評估 OCR 結果時保留這份準備好的複本。辨識若意外改變可見頁面或引入其他問題，排列輸入可作清楚基準，不必重新組合整份文件。

依用途選擇 OCR 輸出

在支援 OCR 的工具裡，選對文件語言，並查看輸出選項。保留頁面圖片的可搜尋 PDF，與可編輯文字文件用途不同，請選收件人真正需要的形式。

使用需要留在電腦上的資料前，確認該 OCR 流程是在本機處理，還是會傳送到服務。這是關於 OCR 工具的選擇；TruePage 在本機排列文件，並不能決定其他工具怎麼處理它。

來源包含多種語言、表格或特殊版面時，安排更仔細的核對。文字辨識與閱讀順序是不同問題：字詞可能認對，多欄或複雜定位的頁面複製出來仍可能順序不便閱讀。

不要把可搜尋 PDF 當成自動符合無障礙要求，或完整還原的可編輯文件。可搜尋字元只是一種能力。閱讀順序、結構，以及特定讀者或系統的需求，可能還需要適合工具進一步處理。

將辨識結果與可見頁面比較

開啟 OCR 輸出，重做搜尋與複製測試。測試不同區段，包括最難辨識的掃描頁。比較辨識字詞與可見圖片，不要只相信完成訊息。

仔細核對姓名、數字、日期與短標籤。單一字元錯誤，就可能讓參考編號難以搜尋，即使周圍大部分字都正確。核對時保留可見來源作為依據。

確認頁數、順序沒有改變，必要邊緣也仍可見。OCR 成功不應掩蓋文件組合錯誤。儲存辨識輸出後，再檢查目的地對檔案大小與格式的要求。

日後若把 PDF 頁面匯出為 PNG 或 JPG，記得結果又是圖片，不會把 PDF 的文字層當成可搜尋 PDF 文字一起帶出去。需要文件搜尋的讀者應使用辨識後 PDF；只有交付需求是圖片時才用圖片。

準備控制項請見圖片轉 PDF與整理頁面。TruePage 準備並排列可見頁面，獨立 OCR 流程辨識字元，而最後比對才能確認那些字元是否足夠實用與準確。