PPDF123
Productอ่านประมาณ 1 นาที

แพ็กสแกนเป็นข้อความ: OCR แล้ว Compress PDF ที่คุณยังเก็บ

แพ็กสแกนต้องทำสองขั้นตอน: OCR บน PDF123 คืนข้อความ Markdown ขณะที่ Compress ย่อ PDF ต้นฉบับด้วยการบีบอัดสตรีมใหม่ ลำดับและเอาต์พุตจึงต่างกัน

By the PDF123 team · Updated 2026-09-28
แพ็กสแกนเป็นข้อความ: OCR แล้ว Compress PDF ที่คุณยังเก็บ

“แพ็กสแกน” มักเป็นกองภาพหน้าที่ยึดเข้าเป็น PDF เดียว: หนักบนดิสก์ และว่างเปล่าสำหรับการค้นหาหรือคัดลอก เครื่องมือสองตัวที่คนมักต่อกันบนไซต์นี้ไม่ได้สร้าง PDF ค้นหาได้วิเศษเพียงอันเดียว OCR คืน Markdown ส่วน Compress เขียนไฟล์ PDF ที่คุณยังเก็บไว้ขึ้นใหม่

การแยกกันแบบนี้คือทั้งเวิร์กโฟลว์

OCR ให้คุณอะไรจริง ๆ ที่นี่

POST /api/v1/misc/ocr-pdf รันการรู้จำและดาวน์โหลดไฟล์ .md (text/markdown): ข้อความจาก PDF ดั้งเดิมผสมกับผล OCR จากหน้าที่เป็นภาพ มันไม่เขียนเลเยอร์ข้อความที่ซ่อนอยู่กลับเข้าไปใน PDF ถ้าคุณคาดว่าจะเลือกและค้นหาได้ในไฟล์เดียวกัน นั่นคือรูปผลิตภัณฑ์อีกแบบ (เอาต์พุตแบบ OCRmyPDF คลาสสิก) เอนด์พอยต์นี้มีไว้สำหรับข้อความที่เอเจนต์หรือไปป์ไลน์อ่านได้

Auto กับ Force OCR:

  • อะไรก็ตามที่ไม่ใช่ ocrType=force-ocr (รวมถึงป้าย “Normal” บนพอร์ทัล) จะแมปเป็น Auto: ใช้ข้อความที่มีอยู่แล้วตรงไหนใช้ได้ และ OCR เฉพาะหน้าที่เป็นภาพล้วน
  • force-ocr อ่านทุกหน้าใหม่ รวมถึงหน้าที่มีเลเยอร์ข้อความอยู่แล้ว

บนฟอร์มพอร์ทัลไม่มีตัวเลือกภาษา ฟิลด์แบบ tessdata ที่ตกค้างจากเส้นทางเก่า (languages, deskew, ธง clean และอื่น ๆ ที่คล้ายกัน) ถูกเส้นทาง Rust ocr_pdf เพิกเฉย ส่วน Auto กับ Force และสาเหตุที่การรู้จำล้มเหลวบนสแกนแย่ ๆ มีอธิบายใน How OCR reads a scanned PDF

OCR ไม่ได้ทำให้ PDF เล็กลง การดาวน์โหลด Markdown เป็นอาร์ติแฟกต์ชิ้นที่สองที่อยู่ข้างแพ็กสแกนต้นฉบับ

Compress อยู่ตรงไหน

Compress (POST /api/v1/misc/compress-pdf) รันการบีบอัดสตรีมด้วย qpdf: --compress-streams=y, บีบอัด flate ใหม่ และสร้าง object stream มันไม่ประดิษฐ์เลเยอร์ข้อความ ไม่ทำซับเซตฟอนต์ และไม่สัญญาว่าจะลดตัวอย่างภาพถ่าย บนไฟล์ที่หนักด้วยสแกน มันยังย่อพื้นที่เก็บได้ด้วยการแพ็กสตรีมให้แน่นขึ้น ส่วนไฟล์ที่แน่นอยู่แล้วกำไรอาจเล็ก ความเป็นมาของคันโยกสตรีมกับภาพ: เมื่อคุณบีบอัด PDF เกิดอะไรขึ้นจริง ๆ

ใช้ Compress กับ PDF ที่จะเก็บหรือส่งอีเมล ใช้เอาต์พุต Markdown จาก OCR เมื่อต้องการตัวคำ การบีบอัดก่อนไม่ทำให้ OCR แม่นขึ้น และ OCR ก่อนก็ไม่ทำให้ PDF เล็กลง

ลำดับที่ใช้ได้จริง

  1. ถ้าโปรแกรมอ่านเปิดแพ็กไม่ได้ ให้ Repair หรือ Get Info ก่อน
  2. OCR แพ็กสแกนเป็น Markdown แล้วสุ่มตรวจข้อความสองสามหน้า
  3. แยกกัน Compress สำเนา ของ PDF ถ้าขนาดยังเป็นปัญหาที่เหลืออยู่
  4. เก็บต้นฉบับที่ไม่ถูกแตะไว้เมื่อนโยบายกำหนด

ไฟล์ที่เข้ารหัสยังต้อง Unlock อย่างได้รับอนุญาตก่อนขั้นใดขั้นหนึ่ง ส่วนความลับต้องใช้ Sanitize / Auto Redact ไม่ใช่ OCR การส่งออกตารางที่คืน 204 หลังสแกนหมายความว่าไม่พบคอลัมน์ข้อความ ให้ OCR เป็น Markdown ก่อน แล้วค่อยตัดสินใจว่าเครื่องมือสเปรดชีตใช้ได้จริงหรือไม่ (ส่งออกตารางว่าง (204))

เอาต์พุตที่ควรติดตาม

หลังรันตามปกติ คุณอาจถืออาร์ติแฟกต์สามชิ้น: แพ็กสแกนต้นฉบับ ไฟล์ .md จาก OCR และ (ถ้าต้องการ) สำเนา PDF ที่บีบอัดแล้ว ควรติดป้ายให้ชัดเจน การส่งอีเมลเฉพาะ Markdown ทำให้เสียภาพหน้า ส่วนการส่งอีเมลเฉพาะ PDF ที่บีบอัดก็ยังไม่มีเลเยอร์เลือกและค้นหาจากเส้นทาง OCR นี้ ไปป์ไลน์ที่ต้องการทั้งตัวคำและ PDF ที่เล็กลงจึงต้องเก็บทั้งสองเอาต์พุต หรือรันฝั่งใดฝั่งหนึ่งใหม่ภายหลัง

การใช้ Force OCR กับแพ็กแบบ born-digital ที่มีเลเยอร์ข้อความพังยังมีประโยชน์ ส่วน Auto กับแพ็ก born-digital ที่สะอาดอาจข้ามการรัน OCR ทั้งก้อนไป ไม่มีโหมดใดเขียนข้อความกลับเข้าไปใน PDF

เวิร์กโฟลว์นี้ไม่ใช่อะไร

แพ็กสแกนจะล้มเหลวเมื่อทีมสมมติว่าปุ่มเดียวทั้งดึงข้อความและย่อพิกเซล เหมือนไปป์ไลน์ OCRmyPDF บนเดสก์ท็อป ที่นี่ข้อความออกมาเป็น Markdown ส่วน PDF ยังเป็น PDF เว้นแต่คุณจะ Compress โดยตั้งใจ ไม่มีขั้นตอนใดบนไซต์นี้ที่คืน “PDF เดิม ตอนนี้ค้นหาได้และเล็กลง” จากการเรียกครั้งเดียว

งานอัตโนมัติผ่าน HTTP ของ op เดียวกัน: Developers

Open tool
Process in the browser — no watermark, files removed after the job.
Open tool
Read next
แก้ไขข้อความใน PDF ออนไลน์: แก้ได้แม้ไม่มีไฟล์ต้นฉบับ
คลิกข้อความหนึ่งบรรทัดใน PDF แก้ไข แล้วดาวน์โหลดผลลัพธ์ได้เลย ไฟล์ไม่ถูกอัปโหลดและไม่ต้องลงชื่อเข้าใช้ แก้ไขได้เฉพาะบรรทัดข้อความที่มีอยู่แล้วเท่านั้น
ก่อนแชร์: Sanitize และ Redact ทำอะไรจริง ๆ
Sanitize ตัดสคริปต์ ไฟล์ฝัง และเมตาดาตา Auto Redact ทาสีดำหน้าที่ตรงกัน ไม่มีอันใดเพียงอย่างเดียวเป็นเช็กลิสต์แชร์ และกล่องดำไม่ใช่การลบเนื้อหา
รวม PDF โดยไม่ทำให้ทุกหน้าแบนเป็นภาพ
การรวม PDF ที่ถูกต้องจะต่อสตรีมหน้าตรง ๆ ฟอนต์ เวกเตอร์ และบุ๊กมาร์กยังอยู่ครบ ส่วนการแปลงทุกหน้าเป็นภาพเป็นงานคนละแบบที่สูญเสียมากกว่าและไฟล์ใหญ่ขึ้น