用复制文字的方法做初步判断

打开 PDF，选中一句正文并复制到记事本。如果能得到正常的文字，说明这一页含有可提取的文本；若无法选中单独的字，或选中的是整张页面图片，则可能是扫描或拍照生成的 PDF。放大后文字出现像素颗粒可以作为线索，但不能单独作为判断依据。

一份文件可能混合多种页面：封面是扫描图，正文是文字；也可能所有页面都有图片，同时叠加了 OCR 文字层。请分别检查几页，遇到能选中但复制出来不正确的情况，还要注意乱码和文字顺序。

扫描件需要先识别图片里的文字

OCR 的作用是从图片中识别文字。纯扫描件直接做文本提取，通常得不到可编辑正文。轻文档当前不提供 OCR，因此纯扫描图片 PDF 暂不适合在这里转换；先找到原始可编辑文件，往往能减少后续整理工作。

若只有扫描件，可先用具备 OCR 功能的工具进行识别。识别前检查页面有没有倾斜、裁掉边缘、过暗或模糊，尽量使用清晰且方向正确的原件。即便识别后能选中文字，也应先核对一段内容，再决定是否继续转换。

OCR 之后也要核对内容

识别最容易出错的地方包括姓名、日期、金额、单位、英文缩写和相似字符。表格还要核对每一个数值对应的行列，避免文字正确却落在错误的单元格。合同、财务材料等重要内容应逐项比对原件。

确认文件已有可读的文字层后，可以尝试转成 Word，并在下载后检查断行、段落和分页。轻文档需注册并验证邮箱，每天免费额度为 1 份、20 页和 10 MB 以内；请先确认文件适用，并避免上传未经授权的敏感材料。