今天，我收到了供应商发来的一份 PDF，其中包含几页打印和扫描的页面，上面有签名等。我用 Acrobat Reader DC 打开了它。但令我惊讶的是，我可以从明显是扫描的图像中选择文本并将其复制为文本。请看屏幕截图：
显然，这背后有 OCR 的功劳，因为复制的文本有错误。但这怎么可能呢？我以前从未见过这种情况，这是怎么造成的？
答案1
这（与这里的其他一些答案相反）很可能与 Acrobat 根本无关。
大多数（全部？！）专业文档扫描仪和大多数半专业文档扫描仪都会在您选择“另存为 PDF”并在设置中勾选“可搜索”复选框时自动执行 OCR。较便宜的“消费级”型号将在连接的 PC 上执行 OCR，而典型的网络扫描仪则在内部执行。
“可搜索”一词的含义无非是扫描仪将执行 OCR，然后生成包含扫描位图的页面，并将其与 OCR 中的不可见字符相叠加，每个字符都放置在位图上的相应字符上。
这样，您就可以像变魔术一样搜索、选择、复制和粘贴“位图”。然而，这根本就不是魔术。实际上，您只是复制了不可见的文本。
扫描仪还可以做一些额外的魔法，比如将许多小图块合成大图像，这些小图块也可以重复使用。这样得到的文档大小比实际可能的大小要小得多，但也可能导致一些有趣的惊喜（如果发生在你身上就不那么有趣了！），比如施乐公司篡改你的账单，具有讽刺意味的是，即使没有完成 OCR，也取决于固件。
答案2
但这怎么可能呢？
基本上，程序对输入文件执行 OCR，然后在图片上放置一层不可见的文本。或者，它也可能放置一层可见的文本在下面图片，产生同样的效果。
当你选择某个东西时，图片并不重要，因为文本层已被选中。
这是怎么实现的？
有几种方法。鉴于已经有人推荐使用 Acrobat，我将添加一些免费选项（幸运的是，您不必在 Windows 上使用这些选项）。
PDF-XChange 查看器
这是一个Tracker Software 的原生 Windows 程序。如果您在 32 位前缀中使用 32 位版本，则免费软件版本在 Wine 下运行良好，因此您可以在 Windows、macOS 和 Linux 上使用它。在后两种情况下，您分别需要 PlayOnMac 或 PlayOnLinux。
这是一张照片这个答案我在 Ask Ubuntu 上留言：
OCR我的PDF
这是用 Python 编写的多平台程序，基于 Ghostscript、Tesseract 和 Unpaper。摘自文档：
OCRmyPDF 的作用
OCRmyPDF 分析 PDF 的每一页，以确定捕获该页上所有信息而不丢失内容所需的色彩空间和分辨率 (DPI)。它使用 Ghostscript 对页面进行栅格化，然后在栅格化图像上执行 OCR 以创建 OCR“层”。然后将该层重新移植到原始 PDF 上。
它可以轻松安装在 Debian 和 Ubuntu 衍生产品上：
apt-get install ocrmypdf
或者在 macOS 上：
brew tap jbarlow83/ocrmypdf
brew install ocrmypdf
在 Windows 上，您需要使用 Docker 镜像。有关详细信息，请参阅官方文档。
使用方法非常简单，我建议您使用可选的-d(deskew) 和-c(clean) 参数以获得更好的效果。它会在运行 OCR 过程之前拉直每一页并清除小点/瑕疵。
您可以（并且应该）为语言提供-l。
以下是取自这份歪曲的文件用意大利语写成：
我使用的命令是：
ocrmypdf -l ita -d -c input.pdf output.pdf
在线工具
有一些在线工具可以做同样的事情。值得注意的是，PDF24 拥有一个OCRmyPDF 的免费网络版本可以无限制使用。
也可以看看：
答案3
这可能是因为Acrobat OCR 功能：
Acrobat 可以识别数十种语言的任何 PDF 或图像文件中的文本。您只需打开要进行 OCR 处理的扫描文档或图像，然后单击工具栏右上角的蓝色“工具”按钮。在该侧边栏中，选择“识别文本”选项卡，然后单击“在此文件中”按钮。
...
识别完文本后，现在，您可以使用所有常规标记工具来标记 PDF — 您可以突出显示、删除文本等等。您甚至可以复制具有检测到的格式的文本，尽管这通常不如文本识别本身准确。
答案4
识别扫描 PDF 文件中的文本
将纸质文档扫描为 PDF 时，您实际上只是拍摄了这些文档的照片。这对于照片和其他印刷图像来说非常有用，但是如果您有一份 200 页的文档，需要在其中查找特定的单词或短语，该怎么办？使用 Acrobat 识别扫描文件中的文本，使文本内容可搜索和使用。
- 在 Acrobat 中打开扫描的文档，打开“工具”窗格并展开“文本识别”面板。如果您在“工具”窗格中看不到“文本识别”，您可以通过选择右上角的菜单来添加它（下图 - 看到那个小红箭头指向哪里了吗？点击那里）。
- 单击“在此文件中”扫描您打开的文档。您可以接受默认设置，并在识别文本框弹出时单击“确定”。Acrobat 会将图像转换为可用文本；要测试它，只需尝试使用内容编辑面板编辑一个单词或句子。这不是很棒吗！？