拖入扫描版 PDF，得到叠加了不可见可搜索文本层的相同页面。识别完全在浏览器中运行（设备端，首次加载后可离线），不上传任何内容。
PDF OCR 可以把由纯图像页面组成、没有真实文字的扫描版 PDF 转换成可搜索的 PDF：保留相同的页面图像，并在每个识别出的单词上方叠加一层不可见的文字层。在任何 PDF 阅读器中打开结果，您现在就可以用 Ctrl+F 查找单词、选中并复制一段文字，或者让搜索引擎为该文档建立索引，这些都是普通扫描件做不到的事。识别本身由 tesseract.js 完成（与本站 OCR 工具使用的自托管 OCR 引擎相同），页面渲染由 pdf.js 完成，两者都完全在您的浏览器标签内运行，您的文件从不会被上传。
这个工具对自己能做什么、不能做什么很坦诚。它不会重建版式、表格或字体，也不是一个可编辑文档转换器：可见的页面保持原样，与源扫描件一致，只是在外观下方添加了一层隐藏文字。识别准确率取决于扫描质量，与其他任何 OCR 引擎一样，建议使用 200 DPI 以上、对比清晰、页面端正的扫描件。如果您只需要提取出来的纯文本，而不是一份可以在里面搜索的 PDF，OCR 工具会直接生成 .txt 文件，处理这项具体任务时速度更快。
OCR 工具会把纯文本提取到一个 .txt 文件中，完全舍弃原始版式和图像。PDF OCR 则会保留原始 PDF 的页面图像，外观完全不变，并在下方添加一层不可见的、可搜索的文字层。只想要文字内容时用 OCR；想让文档仍然是 PDF，同时变得可搜索和可选中时用 PDF OCR。
不会。每一页都从您的源 PDF 渲染并重新嵌入为图像，与原始扫描件像素级一致（JPEG 重新编码带来的细微差异除外）。识别出的文字以完全透明的方式绘制在上方，因此不会有任何新内容可见；只有搜索文字或选中文字时，才能察觉到这层附加内容。
不会。输出把页面保留为单张平面图像；隐藏文字层跟随识别出的单词位置排布，但不会保留表格结构，也不会超出 tesseract.js 推断范围地还原多栏阅读顺序或原始字体。这是一层可搜索性，而不是转换为可编辑文档。
不会。从本站下载 tesseract.js 引擎和语言包之后（首次使用时只需一次、几兆字节的下载），之后每一页的渲染和每一次识别都完全在您的浏览器标签内进行。扫描合同、病历或其他敏感文档从不会到达服务器。
每一页都会被渲染成图像，并单独在该图像上运行 OCR，全部在您的浏览器标签内完成，所以处理时间会随页数增加而变长。进度条反映的是真实的逐页进度，文件大小上限为 80 MB，以确保整个流程不超出浏览器标签的内存预算。
对已经带有真实文字层的 PDF 运行 OCR 没有必要，在阅读器中打开并按 Ctrl+F 就已经可以直接使用。这个工具是为由页面图像组成、没有底层文字的 PDF 设计的，也就是平板扫描仪或对拍摄文档执行“打印为 PDF”后常见的输出形式。