扫描件里的字看着清楚，复制出来却是乱码或空白，因为页面本质上是一张图片。OCR 的作用就是把图片里的文字转成可以选中、搜索的文本。

识别前先处理清晰度

拍摄时纸张尽量平整，避免阴影和反光，页面拍得歪斜就先做旋转校正。分辨率太低识别率会明显下降，用手机扫描时选择文档模式，边缘会自动裁正，比直接拍照效果好得多。

选择识别范围与语言

整份识别和逐页识别各有用途：全文检索选整份，只需引用某段选当前页更省时间。语言选项要选对，中英文混排的文件选中文简体并勾选英文，否则英文单词容易被拆成无意义的字符。

识别后要校对

数字、标点、形近字是错得最多的地方，金额和日期必须逐个核对。表格类页面识别后列容易错位，可以对照原图逐行检查。识别结果建议另存为可编辑格式，原件保留备查，避免后续修改覆盖。

  • 先校正倾斜，再提高对比度；
  • 语言选对，中英混排同时勾选；
  • 金额、日期、编号重点校对。

多页与表格的处理

几十页的扫描件建议分批识别，出错时不必整份重来。含表格的页面识别后转成Word再调整，比直接在 PDF 上编辑更灵活。确认文字准确后，还可以再做一次压缩减小体积。

识别结果乱码怎么办

整页乱码通常是语言选错或图片分辨率过低，换回对应语言重试；只有个别字符出错，属于形近字问题，手工改即可。竖排文字与手写体的识别率明显偏低，重要文件建议人工录入，别把识别结果直接当定稿。

小结

清晰的原图加上正确的语言设置，是识别率的两大前提；识别之后的校对，才决定这份文本能不能直接用。