用例
- 决定是否进行 OCR快速了解在索引/全文搜索之前是否需要进行 OCR。
- 可访问性检查识别不可选择的“图像” PDF（通常不可访问）以进行修正。
- 提取管道自动路由文档：如果存在文本则直接提取，否则进行 OCR。
- 扫描质量控制在一批扫描中识别低质量页面（文本过少，图像占主导地位）。
分享此类别
您认识正在寻找这类工具的人吗？
检测 PDF 是否为扫描件
分析 PDF 以估算其是否来自扫描（页面上的图像、缺少字体、CCITT/JBIG2 指示）并将诊断导出为 JSON，保存在您的浏览器中。
导入 PDF
没有数据发送到服务器：一切都在您的浏览器中进行。
类似工具
关于：PDF 扫描检测器
检测 PDF 是否为扫描（仅图像）或包含可提取文本，并为每页导出 JSON 诊断以指导 OCR、可访问性和提取。
您获得的内容
每页的 JSON 诊断：文本存在、图像内容比例、“扫描”指标（根据启发式）。
优先处理 OCR 的指标（待处理页面、已可用页面）。
限制和注意事项
- 启发式检测：某些图形 PDF（目录、幻灯片）可能看起来像扫描但实际上不是。
- 某些 PDF 可能包含“隐藏文本”（已进行 OCR）：工具可以检测到，但质量可能有所不同。
- OCR的实际质量将取决于分辨率、对比度和语言——这里没有进行细致评估。
常见问题
扫描可以包含可选择的文本吗？
是的，如果应用了 OCR：图像仍然存在，但添加了文本层。
工具会进行 OCR 吗？
不。它检测和诊断。OCR 是一个单独的步骤。
为什么一页被标记为“扫描”，而我看到文本？
可见文本可能是图像（渲染），而不是矢量文本。诊断基于内部内容。
提示
在投入提取时间之前，检测扫描：这是避免“追逐”不存在的文本而不进行 OCR 的最简单方法。