从图片和 PDF 中提取文字（OCR）
编译成 WebAssembly 的 Tesseract，跑在你自己的机器上。拖入照片或扫描版 PDF，把文字取出来 —— 或者得到一份看起来和原件一模一样、但可以搜索的 PDF。
- 完全在你的浏览器里运行
- 断网也能用
- 不上传
- 不用注册
- 没有水印
正在加载工具……
工作原理
- 把图片或 PDF 拖进来。
- 勾选文档里实际出现的语言 —— 勾得越少，越快也越准。
- 运行 OCR，然后复制文字，或者下载可搜索的 PDF。
为什么什么都不用上传
这个页面上的每一步操作，都由运行在你浏览器标签页里的代码完成，用的就是渲染网页的那套引擎。文件从磁盘读进标签页的内存，在那里被处理，再作为下载写回去。它不会被送到任何地方 —— 不会送给我们，也不会送给第三方。
自己动手验证
- 打开浏览器的开发者工具（F12），选择“网络”（Network）面板。
- 载入你的文件，运行这个工具。
- 你能看到的请求只有这些：工具自己的代码 —— 少数几个重型工具还会从公共 CDN 取它们的开源引擎 —— 外加一条发往 loreatec.jp 的小小访问记录（页面地址和标题，仅此而已）。没有一条带着你的文件。
常见问题
能处理竖排日文吗？
可以，用专门的竖排文字模型。请单独选它，不要和横排模型一起选：两个一起跑会打乱版面分析，行与行会交错在一起。
什么是可搜索的 PDF？
就是原来的页面图像，后面垫着一层看不见的文字。文档看上去和之前完全一样，但可以搜索、选中和复制文字。这是文档扫描仪的标准输出，这里不用扫描仪也能做出来。
准确率如何？
300 DPI 的干净印刷文字，非常好。页面上横着一道阴影的手机照片，一般。手写体，很差 —— OCR 引擎本来就不是为它设计的，怎么调设置都救不回来。分辨率和均匀的光线，比这里任何一个选项都更重要。
语言数据从哪里来？
来自 OCR 引擎的公开数据 CDN，每种语言几 MB，第一次用过之后会被缓存。图片本身不会被送到任何地方：这一点在这个工具上最要紧，因为扫描件往往正是机密文件。