扫描版PDF搜不到字?NAPS2让整份文件能搜索

收到一份几十页的扫描PDF，想找一个名字、一笔金额，按下搜索，结果是0。明明就在里面，却得一页一页往下翻。

截图识别能救急，但每找一段就截一次，下一回换个关键词，还得重新来。如果整份文件都能搜索，事情会省很多。

这次介绍NAPS2，一个免费开源的文档扫描工具。它不只连接扫描仪，也能给已经存在的扫描PDF加上可搜索的文字。手头有文件，就能从“导入”开始，不必再买一台扫描仪。

NAPS2官网提供的Windows界面原图：顶部有Import导入、OCR和Save PDF保存入口。本文按官方教程整理，非本机实测；不同版本布局以实际界面为准。

先看一眼：你的PDF是真的没字，还是搜错了？

PDF只是文件格式，不代表里面一定有可以复制的文字。有些是电脑直接导出的文档，有些则是一页页扫描图片装在一起。后者看得清，却未必搜得到。

先打开原文件，试着选中一句话，再搜一个肉眼能看到的词。如果可以正常选字、搜索，就不必为了这篇再处理一遍；如果整页像一张照片，选不出字，才是这次要解决的情况。

NAPS2里的OCR，就是文字识别。你可以把它理解为：让软件辨认页面上写的是什么，保存一份带有识别文字的PDF，供阅读器查找和复制。

它不是把扫描件直接变成排版完整的Word，也不是帮你修改合同内容。页面上的原始内容、识别出来供搜索的文字，需要分开看。

第一步：下载正式版，已有文件直接导入

从文末的GitHub项目地址进入仓库，沿README里的Downloads入口选择对应系统。Windows、macOS和Linux都有下载选项，普通使用不需要下载Source code源代码再自己编译。

Windows页面提供安装包，也有Portable便携压缩包。常见的64位Windows电脑可看x64版本；ARM设备则核对arm64。先确认自己的系统，再选包，不用把每种格式都下载一遍。

打开软件后，点击Import（导入），选择你手头的PDF。左侧即使显示扫描仪配置，也不用先把设备设置研究完：这次处理的是已有文件，先看导入后的页面缩略图即可。

正式处理前，留好原文件。另存时用一个容易区分的名字，比如在原文件名后面加上“可搜索版”，免得下次分不清哪份处理过。

第二步：先选对识别语言

点工具栏的OCR。Mac版可在Tools（工具）菜单里找OCR入口。第一次使用会提示下载识别语言，按文件里真正出现的文字来选。

官方OCR教程原图：先打开OCR设置。原图保留软件界面字体，不另行重绘。

简体中文文件，选Chinese (Simplified)；英文文件选English。下载语言包需要联网，别看到这个提示就以为必须把整份资料传到某个转换网站。NAPS2使用Tesseract识别引擎在本机处理文档。

官方语言下载窗口。图中默认勾选English只是示例，处理中文文件要选择相应中文语言。

如果内容中英混排，可以先下载两种语言，再在OCR language下拉菜单里选择Multiple Languages，勾选需要的组合。这个多语言入口在下载多种语言后才会出现。

不用为了“保险”把所有语言都装上。先拿几页有代表性的内容试一遍，比一次塞进几百页后才发现语言选错更省事。

第三步：勾上这一项，再保存PDF

语言下载完成后，进入OCR Setup设置窗口，确认Make PDFs searchable using OCR已经勾选，意思就是“使用OCR让PDF可以搜索”。同时核对OCR language不是选成了与文件无关的语言。

官方设置示例：红框是启用可搜索PDF的选项。图中English及其他勾选为示例，不要求全部照抄。

接着点击Save PDF，另存一份文件，等识别和保存完成。不要只在软件里看见页面缩略图，就当作已经生成了带文字的PDF。

设置里的Automatically run OCR after scanning，是提前在扫描后运行识别的选项；它不等于启用可搜索PDF的总开关。这次处理导入的文件，重点仍是前面的识别勾选、语言和保存。

官方教程对已有PDF还有一条规则：已经带文字的页面会保留，没有文字的页面才做OCR。所以一个文件里既有文字页又有图片页，也能按页处理；但别指望它自动纠正原来就存在、却识别错了的文字层。

第四步：打开新文件，搜三个位置

保存后，用平时的PDF阅读器打开新文件，按Ctrl+F；Mac一般是Command+F。先搜首页一个清楚的词，再搜中间和最后几页的词，确认不是只处理好了开头。

如果能搜到，再试着选中一小段复制。NAPS2本身没有直接把OCR结果保存成TXT的入口，需要文字时，可以从保存后的PDF里复制。

复制出来要核对一遍。尤其是金额、小数点、日期、姓名和编号，字形接近就有认错的可能。搜索结果帮你定位，重要内容还是回到页面原图确认。

识别不准，先别急着换软件

先检查语言，再看原件清不清楚。页面歪斜、字太小、拍摄反光、底色发灰，都可能增加识别难度。能从源头重新扫描或拍清楚，往往比后面反复补救更有效。

官方裁剪功能示例。处理前可检查页面方向、边缘和清晰度，原始资料另行保留。

OCR mode可以先用Fast；效果不理想时，再拿少量页面试Best，通常会更慢。设置里的白平衡、降噪选项也可针对较差的扫描件尝试，并不是全部勾上就一定更准。

表格、手写字、复杂排版，更不要预设能完整还原。正文能搜到，不代表复制出来的表格一定按行列排好了；签字和印章也不能靠识别文字来验证真伪。

这工具最实用的地方，是把“以后每次都要翻一遍”，变成“先搜关键词，再去那一页核对”。有一堆旧说明书、会议材料或扫描档案，先挑一份不敏感的文件试试，就知道自己用不用得上。

项目地址：github.com/cyanfish/naps2