如果“预览”能够显示页面,但无法找到上面清晰印着的文字,则该 PDF 可能包含的是页面图像而非可搜索文本。在 Mac 上,可以尝试“预览”中的文件 > 导出 > 嵌入文本选项来识别文本并将其添加到 PDF 中。然后在“预览”中搜索导出的副本。如果缺少该选项或识别结果不准确,请使用专用的 OCR 工具并检查其输出。
为什么“预览”可能找不到文字
扫描页面看起来像是一份文档,但实际上可能只是作为图像存储的。“预览”的搜索功能仅适用于 PDF 中可识别的文本;印有文字的图像可能需要先经过光学字符识别(OCR)才能进行搜索。Apple 在“预览”中提供了一种 OCR 途径:其嵌入文本导出功能可以识别基于图像的 PDF 中的文本,并将该文本嵌入到文档中。Apple 的“预览”使用手册介绍了“嵌入文本”选项。
首先检查问题是否仅仅出在搜索查询或选择工具上。在“预览”中打开 PDF,并在工具栏搜索栏中输入一个简短且具有特征的词。“预览”默认会对输入的短语进行精确搜索;如果想在多词查询中查找任何单词,可以使用放大镜菜单并选择任意匹配。Apple 还指出,在调整窗口大小之前,搜索栏可能会被隐藏。Apple 关于在 PDF 中查找文本的说明涵盖了这些控制项。
如果文字印刷清晰但没有搜索结果,请测试“预览”是否可以选择它。选取工具 > 文本选择,然后在单词上拖动光标。如果您可以选择并复制该单词,说明 PDF 中包含可用文本,搜索可能需要更简单的拼写、更短的短语或不同的匹配设置。如果您只能选择页面的矩形区域或无法选择印刷文字,请继续进行 OCR 处理。密码可能会限制文本选择或复制;“预览”的检查器可以显示 PDF 是否已加密,您可能需要输入密码。Apple 的故障诊断指南详细说明了“文本选择”工具和密码限制。
使用“预览”内置的 OCR
- 在“预览”中打开扫描版 PDF。如果原始文件很重要,请先使用文件 > 复制,并在副本上执行 OCR 导出,以确保源文件仍可单独使用。
- 选取文件 > 导出。
- 在导出对话框中,选择嵌入文本并存储导出的 PDF。
- 在“预览”中打开导出的文件,并搜索扫描件中具有特征的词。如果找不到第一个词,请尝试页面其他位置的第二个词。
Apple 表示,“预览”会扫描基于图像的 PDF 并嵌入识别出的文本,以便在任何 PDF 阅读器中都可以选择该文本。只有当文档之前尚未识别过文本时,才会出现嵌入文本选项。这是一个重要的限制:如果该选项缺失,并不一定意味着 OCR 失败。可能是文档中已经包含识别出的文本,或者当前的“预览”工作流程未对该文件显示该选项。Apple 的页面没有说明在这种情况下可以在“预览”中使用其他单独命令来强制执行 OCR。请参阅 Apple 关于“嵌入文本”的说明和限制。
导出完成后,请在导出的文件中进行搜索,不要默认原始文件已被更改。测试几个词,如果对您的工作很重要,也可以测试带有标点符号或数字的词。OCR 会将视觉形状转换为文本,识别结果可能并不完美:分辨率低、倾斜、模糊、手写或排版复杂的扫描件可能会导致字符缺失或错误。如果匹配结果至关重要,请在依赖识别文本之前将其与原始页面图像进行比对。
如果“嵌入文本”不可用或搜索仍然失败
在更换工具之前,先尝试“预览”常规的文本选择检查:选取工具 > 文本选择并尝试选择一个词。如果文本可选但特定查询失败,请搜索更短的特征字符串,并检查任意匹配是否合适。对于受保护的 PDF,请联系文档所有者解决密码限制或使用授权密码;OCR 并不能解除访问限制。
如果页面仍然只是图像,或者“预览”未提供嵌入文本选项,请使用明确支持让现有扫描 PDF 变为可搜索的 OCR 应用程序。Adobe 在 Acrobat 中介绍了这一工作流程:打开 PDF,选取所有工具 > 扫描和 OCR > 在此文件中,设置页面范围和识别语言,然后选择识别文本。Adobe 表示该过程会创建一个可搜索的文本层,并建议检查结果的准确性。菜单标签可能会因 Acrobat 版本而异,请按照已安装版本中显示的控制项进行操作。Adobe 关于识别扫描 PDF 中文本的最新说明。
如果工具提供了该设置,请选择与文档匹配的 OCR 语言。然后检查包含小字、多栏、表格、印章或模糊印记的页面。OCR 可以让扫描件支持搜索,但并不保证识别出的文字完全正确;请对照页面图像核对姓名、日期、总计金额和引用的段落。如果某个所需单词屡次被遗漏,请使用更清晰的扫描件或具有语言和页面控制功能的专用 OCR 工具,而不要直接将搜索失败视为该单词不存在的证据。
当您只需要一段可见文字时
对于单次摘录,您可能不需要整份 PDF 的可搜索版本。“预览”的“实况文本”功能可以从照片或图像中选择并复制文本:打开图像,指向文本,拖动以选择,按住 Control 键点按,然后选取拷贝文本。Apple 指出,“实况文本”并非在所有地区或语言中都可用。其官方说明专门针对照片和图像,因此当您的目标是为扫描版 PDF 添加可搜索文本时,请使用上述 PDF 导出途径。Apple 关于“预览”中“实况文本”的指南。
实用的决策路径
如果“预览”提供了嵌入文本导出选项,且您的目标是搜索扫描件,请直接使用该功能。如果缺少该选项,请先检查是否存在可选文本以及是否有密码限制。如果文档仍然没有可搜索文本,请使用专用的 OCR 工作流程,并通过实际搜索和目视检查来确认导出的副本。对于单段可读摘录,如果内容以图像形式呈现且该功能支持其语言和地区,那么使用“实况文本”可能就足够了。
如果您在工作时需要同时保持 PDF、“预览”和简短的后续任务列表处于打开状态,Wallo 可以在本地根据目标整理现有的 Mac 窗口和待办事项,并支持键盘快速聚焦。它不具备 OCR 功能,因此文本识别步骤仍需要在“预览”或 OCR 应用程序中完成。
来源
- 在 PDF 中嵌入文本 — Apple 支持
- 在 Mac 上的“预览”中查找 PDF 中的文本 — Apple 支持
- 如果在 Mac 上的“预览”中无法选择或拷贝 PDF 中的文本 — Apple 支持
- 在 Mac 上的“预览”中使用“实况文本”与照片中的文本交互 — Apple 支持
- 使用 Acrobat 识别扫描 PDF 中的文本 — Adobe