先说结论：能否选中文字和搜索正文，是判断文字 PDF 与扫描 PDF 最快的方法。扫描 PDF 通常保存的是整页图像；文字 PDF 保存可选择的字符。经过 OCR 的扫描文件可能同时具有页面图像和可搜索文字层，因此不能只看文件大小或外观。
三步判断 PDF 类型
- 尝试选择一行文字：能逐字选择通常说明存在文字层；只能框选整页图像，通常是纯扫描版。
- 搜索页面中确定存在的词：能找到正文位置说明文件含可搜索文字；只能找到书签或文件属性不算。
- 放大观察：扫描图像中的字边缘可能随放大出现像素或纸张底色，原生文字通常保持清晰。该方法只能辅助判断。
三种常见 PDF
| 类型 | 能否搜索 | 主要优点 | 主要限制 |
|---|---|---|---|
| 原生文字 PDF | 通常可以 | 文字清晰，可复制、搜索和辅助阅读 | 固定版式在手机小屏仍需缩放 |
| 纯扫描 PDF | 通常不可以 | 保留纸书页面、插图、批注和原始页码 | 体积较大，无法直接复制文字 |
| 带 OCR 层的扫描 PDF | 可以，但准确率不固定 | 保留原页面，同时提供搜索文字 | 识别文字可能错字、串行或顺序混乱 |
OCR 能做什么？
OCR 会识别页面图像中的文字，并给 PDF 添加可选择、可搜索的文字层。Adobe 的官方说明也强调，纸张扫描得到的 PDF 最初只有图像数据，运行 OCR 后才会生成可搜索文字。
OCR 不能提高原图分辨率，也不能保证识别正确。旧字体、竖排、繁体字、双栏、脚注、公式和模糊页面都会增加错误。处理前应保留原文件副本，处理后抽查目录、页码和多种页面，不要因为“能搜索”就认定文字完全准确。
为什么扫描 PDF 不适合直接转 EPUB？
EPUB 需要明确的文字、段落、标题、图片位置和阅读顺序。纯扫描 PDF 缺少这些结构，直接转换通常只会把页面图像塞进 EPUB，或产生大量断行、乱码和顺序错误。需要可重排文字时，应先 OCR、校对和重建结构；单纯转换格式不能提升清晰度。
不同需求怎么选？
- 核对原版页码、版式和插图：保留扫描 PDF。
- 搜索、复制和做文字笔记：优先文字 PDF 或校对过的 OCR 版本。
- 手机连续阅读文字书：有合格 EPUB 时通常更舒适。
- 大尺寸扫描书：使用支持裁边、分页和缩放的 PDF 阅读器，不要先做有损转换。
格式选择见电子书格式对比，转换限制见电子书格式转换说明。如果文件页面缺失、无法打开或大小异常，按文件故障决策树继续检查。
参考资料
更新时间：2026年8月25日。不要把含个人信息或保密内容的文件上传到来源不明的在线 OCR 服务。
