PDF 提取文本

电子版条款要拷。手机拍照合成的 PDF 往往没有字。先别和 OCR 抢同一个词。加密文件不是解密站。版式、页眉页脚可能乱。

电子版合同要摘条款——读文字层。网申扫描件、拍照 PDF 常常只是图。和 OCR 的分工写在标题里：能选中的走这一页，纯图走英文 OCR。

扫描英文走 OCR。只要某几页先拆分。压过的结果不要回来提字。两版条款对比走 Diff。

电子版条款，不是证件 OCR

• 能选中的 PDF 才能抽。扫描件请走英文为主的 eng OCR，不做身份证。
• 压缩 PDF 的 JPEG 重绘之后，文字层就没了。先提字再决定要不要压。
• 竖排、双栏、页眉页脚可能乱序。表格会变成一堆换行。
• 大约 32 MB。加密、损坏会失败。

怎么用

1. 放入数字 PDF。先在阅读器里试一下能不能选中字。
2. 复制提取结果。乱了就按页拆再提。
3. 版式、页眉页脚可能乱，人工校对后再贴进网申或合同稿。

使用前先看清的限制

不是 OCR，不是解密，也不是版式还原。大约 32 MB。扫描件请换页。