在 Windows 上如何提取 PDF 中的文字

要在 Windows 上提取 PDF 中的文字，先看能否选中文字。能选中，就在 PDF 阅读器中复制，或用 MD Factory 转换整个文件。不能选中，说明页面是图片，需要用 OCR 识别文字。

这两种 PDF 需要不同的方法。下面的步骤从判断你的 PDF 属于哪一种开始。

检查能否选中文字

用 Microsoft Edge、Chrome 或 Adobe Acrobat Reader 打开 PDF。按 Ctrl+F，搜索页面上能看到的一个词。

• 找到并高亮了这个词：PDF 中的文字可以选中。
• 没有找到，或者用鼠标拖过一行也选不中：这一页是文字的图片。

一个 PDF 可能两种情况都有。打字排版的报告末尾可能附有扫描的附件，所以请在中间的一页和末尾的一页上各搜索一次。

在 PDF 阅读器中复制文字

只需复制几段时，这是最快的方法。用鼠标拖选文字，按 Ctrl+C。要复制整个文档，按 Ctrl+A，再按 Ctrl+C。用 Ctrl+V 将文字粘贴到记事本或 Word 中。

复制的文字常常每行末尾都有换行，表格会变成零散的行，双栏页面上一栏的文字还可能与另一栏混在一起。页码和页眉也会一并复制。

在 Word 中打开 PDF

Word 可以将 PDF 作为可编辑的文档打开。依次选择文件、打开，选中 PDF，Word 提示转换时选择确定。Microsoft 表示，这种方式最适合以文字为主的 PDF，而且换行和分页的位置可能与原文件不同。具体步骤见 编辑 PDF.

想在 Word 中继续编辑文字时使用此方法。如果只需要纯文本，或文件很多，请改用转换。

用 MD Factory 转换整个 PDF

1. 打开 MD Factory，点击添加文件，或将 PDF 拖到窗口中。要转换文件夹中的所有 PDF（包括子文件夹），请点击添加文件夹。
2. 转换会立即开始。完成后，该文件所在行会显示已完成、需要检查或失败。
3. 双击该行中的结果路径即可打开文字。

文字保存在与 PDF 同名、扩展名为 .md 的文件中，位于同一文件夹。PDF 中的图片放在它旁边的文件夹里。转换在你的电脑上进行。

Reports/
  annual-report.pdf
  annual-report.md
  annual-report_images/

.md 文件是纯文本，记事本就能打开。标题以 # 开头，表格用 | 字符绘制。 PDF 转 Markdown 指南 详细介绍了这些文件。

提取扫描 PDF 中的文字

用同样的方式添加扫描 PDF。MD Factory 会找出图片页面，并在你的电脑上用 OCR 识别其中的文字。在同时包含打字页和扫描页的 PDF 中，打字文字原样保留，OCR 只处理扫描页。

OCR 可能会读错模糊、歪斜或手写的文字。如果某一行显示需要检查或失败，请点击状态，在 OCR 语言列表中选择文档的语言，然后点击重试。 扫描 PDF 指南 介绍了语言设置，以及每条提示的含义。

在 Windows 11 上，单页扫描件也可以用截图工具处理。按 Windows+Shift+S，选择区域，然后选择文本操作和复制所有文本。Microsoft 表示，文字识别在你的设备上运行，参见 使用截图工具捕获屏幕截图.

检查提取的文字

无论使用哪种方法，在依赖结果之前，都要与 PDF 对照一遍：

• 跨越分栏和分页处阅读，检查句子的顺序。
• 删除打断句子的页码和页眉。
• 将要用到的每个数字（如金额、日期和证件号）与 PDF 对照。
• 在表格中，检查每个值是否位于正确的行。

扫描件中的文字最需要仔细检查：读错的数字看上去和正确的一样合理。

该用哪种方法

常见问题

可以从有密码保护的 PDF 中提取文字吗？

MD Factory 不转换有密码保护的 PDF。请在阅读器中用密码打开 PDF，如果你有权这样做，就保存一份不带密码的副本，然后转换这份副本。

如何一次从多个 PDF 中提取文字？

在 MD Factory 中点击添加文件夹。每个 PDF 都会生成各自的文本文件。要在所有文件中搜索，请参阅 如何在大量 PDF 和 Word 文件中搜索.

MD Factory 会保留 PDF 的版面吗？

不会。你得到的是带标题、列表和表格的文字，而不是页面的外观。凡是依赖版面的内容，请保留 PDF。