转换为PDF的扫描图像在后果中已被OCR处理以使文本可搜索通常包含呈现为"invisible"的文本部分 . 因此,您在屏幕上(或打印时在纸上)看到的仍然是原始图像 . 但是当你成功的时候,你会得到突出显示在隐形文本上的命中 .
我建议你看一下XPDF派生的命令行工具 pdffonts(.exe) , pdfinfo(.exe) 和 pdftotext(.exe) . 请看这里下载:http://www.foolabs.com/xpdf/download.html
Example usage of pdffonts:
C:\downloads\> pdffonts cisco-ip-phone-7911-guide6.1.pdf
name type emb sub uni object ID
------------------------------------ ----------------- --- --- --- ---------
LGOKFL+Univers-BlackOblique Type 1C yes yes no 13171 0
LGOKGM+Univers-Black Type 1C yes yes no 13172 0
[....]
此PDF使用字体(由'name'列表示),嵌入它们(在'emb'列中用'yes'表示)并使用子集字体(在'sub'列中用'yes'表示) .
C:\downloads\> pdffonts examle1.pdf
name type emb sub uni object ID
------------------------------------ ----------------- --- --- --- ---------
Univers-BlackOblique Type 1C yes no no 14 0
Arial TrueType no no no 15 0
此PDF使用2种字体(由“名称”列表示) . 字体'Universe-BlackOblique'完全嵌入(由'emb'列中的'yes'表示,'sub'列中的'no'表示) . 字体'Arial'也被使用,但未嵌入 .
C:\downloads\> pdffonts examle2.pdf
name type emb sub uni object ID
------------------------------------ ----------------- --- --- --- ---------
This PDF uses not a single font, and hence does not have any text embedded (so no OCR either).
Example usage of pdftotext:
C:\downloads\> pdftotext ^
-layout ^
cisco-ip-phone-7911-guide6.1.pdf ^
cisco-ip-phone-7911-guide6.1.txt
这将从PDF中提取所有文本字符串(试图保留原始布局的一些相似性) . 如果PDF中没有文字,你就知道没有OCR ......