GUIDE深度 · Deep dive
文本层还是 OCR？先判断
PDF 分两类：有文本层（能选中/搜索）和扫描图片。文本层优先提取，速度快/准确；扫描页才需要 OCR。文本层也可能乱码/缺字，导出后仍要抽查。
判断
能选中/复制文字 = 有文本层。
只能选中整页图片 = 扫描件。
搜索不到词也可能是扫描件。
校对
数字/金额/日期/编号。
否定词/专有名词。
常见问题
有文本层还要 OCR 吗？
通常不用；OCR 可能把正确文字改错。
扫描件 OCR 后能搜索吗？
导出的 TXT 可以；原 PDF 需要另存可搜索 PDF。