私密对扫描版 PDF 进行 OCR——在浏览器中识别文字
选择一个扫描版 PDF 和一种语言；每一页都在本地由 Tesseract（编译为 WebAssembly）渲染并识别，识别出的文字会显示出来，并可下载为 .txt 文件。
How it works
- 从你的设备中选取一个扫描版 PDF 并选择文档语言。
- 文件读入浏览器内存——没有数据离开你的浏览器。
- pdf.js 在 Web Worker 中将每一页渲染为图片。
- Tesseract OCR——编译为 WebAssembly 并由本站提供——在本地识别每一页的文字；语言模型同样从本站加载，而非第三方 CDN。
- 识别出的文字会逐页显示，并以 .txt 形式提供下载。
Frequently asked questions
- 它与其他在线 PDF 工具有什么不同？
- 多数在线 PDF 工具会把你的文件上传到远程服务器进行处理。本工具采用客户端 JavaScript，所有处理都在你的浏览器本地完成。文件不会被传输到任何服务器，因此文档内容始终掌握在你自己手中。
- 我的 PDF 文件会被上传吗？
- 不会。文件由浏览器直接读取，不会通过网络传输。整个工具仅在你打开的这个浏览器标签页内运行。
- 我能验证文件没有被上传吗？
- 可以。打开浏览器的开发者工具（F12），切换到 Network（网络）面板，在使用工具时留意是否有外发请求。你会发现没有任何文件数据离开浏览器，所有操作都在没有网络活动的情况下完成。
- 这个工具能离线使用吗？
- 可以。页面加载完成后，工具完全在浏览器中运行，无需网络连接。你可以断开网络后继续使用。
- 刷新页面后会怎样？
- 由于服务器上没有保存任何内容，刷新页面会清空当前会话。之前选择的文件需要重新选择。
- 这个工具会保存我的文件吗？
- 不会。文件仅在页面打开期间保存在浏览器内存中。关闭或刷新页面后即被丢弃。工具不会向磁盘写入任何内容，也不会发送到服务器。
- 这个工具能解锁有密码保护的 PDF 吗？
- 不会。本工具不会尝试移除或绕过 PDF 的密码保护。如果你知道密码，可以先用本站的 Unlock PDF 工具在本地移除密码，然后再用本工具处理文件。
- 这个工具使用了哪些技术？
- 本工具使用 pdf.js 渲染页面，并使用编译为 WebAssembly 的 Tesseract OCR 引擎（tesseract.js）在同源的 Web Worker 中运行——不涉及任何服务器。
- 这个工具使用 WebAssembly 吗？
- 是的——这是本站为数不多确实使用 WebAssembly 的工具之一。Tesseract OCR 引擎是由 C++ 编译为 WebAssembly 的，运行在你的浏览器内；.wasm 二进制文件由本站提供，任何内容都不会被发送到别处。
- 为什么首次运行比之后的运行更慢？
- 首次使用时，你的浏览器会从本站下载 OCR 引擎和语言模型（数 MB）并进行编译。之后它们会被缓存，因此后续运行启动会快得多。