# 你的 PDF 是掃描檔還是文字檔？上傳前先做這項檢查

透過選取文字、複製內容與抽樣翻閱頁面，在上傳前分辨純圖片 PDF、內藏 OCR 文字層的檔案，以及混合型文件，再決定要轉檔還是翻譯。

有些 PDF 在螢幕上看起來很清晰，裡頭卻只有文字的圖片。也有些檔案畫面同樣是掃描頁，背後卻藏著一層看不見的文字。這個差別會影響搜尋、複製、轉檔和翻譯的結果。

不必拆解檔案內部結構，也能做出有用的判斷。多測幾頁，重點放在文字層實際提供了什麼，而不是只看文件外觀。

## 選取並複製一整句

用 PDF 檢視器開啟檔案，試著選取內文中的一句話，貼到純文字編輯器裡。檢查字元和順序是否正確，標點、數字，以及帶有重音或非拉丁文字的部分都要看。

如果選取時反白的是整張頁面圖片，而不是個別文字，這一頁很可能只有圖片。如果句子能完整複製出來，代表該處有可用的文字層。如果複製結果是亂碼，或兩個欄位的文字交錯在一起，表示雖然有可選取的文字，但未必可靠，不適合直接拿去做後續處理。

不要只憑封面就判斷整本書的類型。標題頁的字型、圖片和版面配置，往往和正文不同。

## 辨識帶有隱藏文字層的掃描檔

OCR 可以在掃描影像的上方或背後加上可搜尋的文字。畫面上看到的仍是掃描頁，但搜尋和選取靠的是辨識出來的文字。這功能很實用，不過隱藏的文字層可能藏有錯誤，而清晰的頁面影像正好把這些錯誤掩蓋住。

挑一個有辨識度的詞組搜尋，再對照找到的文字和畫面影像。複製一行含有數字或專業術語的文字，確認選取範圍是否對得上位置，內容是否和你讀到的相符。

隱藏文字層出錯，不代表影像本身品質差。問題可能來自先前的辨識、編碼，或閱讀順序判斷錯誤。在決定重新掃描還是重新處理之前，兩種可能都要考慮。

## 抽樣檢查混合型與較難處理的頁面

許多 PDF 會把數位文字和掃描的插頁、附錄或插圖混在一起，各章節的版面也可能不同。建議抽樣檢查以下幾類頁面：

| 檢查頁面    | 原因              |
| ------- | --------------- |
| 一般正文    | 確認主要內容的類型       |
| 中段與最後幾節 | 找出原始檔或匯出過程造成的變化 |
| 雙欄頁面    | 檢查文字擷取的順序       |
| 表格或公式   | 檢查數字、符號和結構      |
| 註釋或附錄   | 找出小字和掃描插頁       |

記錄哪些頁面只有圖片、哪些能正確複製、哪些文字不可靠。這比單純貼上「掃描 PDF」一個標籤，更能說明實際情況。

如果掃描本身模糊、裁切不當或有陰影，先處理這些問題，再依賴辨識結果。[劣質掃描的前置處理指南](https://pdfcraft.ai/zh-Hant/blog/prepare-poor-quality-scans/)說明如何在外部先做好準備，並不假設本站提供影像編輯功能。

## 依後續用途選擇處理方式

來源只有圖片時，必須先靠 OCR 取出文字，才能變成可編輯的內容，或做成供閱讀的翻譯版本。版面結構的還原也同樣重要：辨識出每一個字，不代表欄位、圖說和註釋會自動排到正確的位置。

如果想繼續閱讀，而且需要調整字級，可以考慮[掃描 PDF 轉 EPUB](https://pdfcraft.ai/zh-Hant/pdf-craft/)。如果想取得可編輯的內容，方便做筆記或進一步處理，可以考慮 [PDF 轉 Markdown](https://pdfcraft.ai/zh-Hant/pdf-craft/pdf-to-markdown/)。如果頁面的原始外觀很重要，請保留原本的 PDF。

要換成其他語言時，請明確選擇翻譯流程。在 PDF Craft 中，輸出 PDF 一定要經過翻譯；輸出 EPUB 和 Markdown 則可以只轉檔、不翻譯，需要時再開啟翻譯即可。[掃描 PDF 翻譯指南](https://pdfcraft.ai/zh-Hant/blog/translate-scanned-pdf/)涵蓋了整個流程。

## 判斷歸判斷，驗收歸驗收

這些檢查只能看出來源檔大概包含什麼，無法保證之後的轉檔一定正確。處理完成後，請回頭檢查同樣那幾頁較難處理的頁面，把下載的結果和原始檔比對。

你可以用 [PDF 工作區](https://pdfcraft.ai/zh-Hant/pdf-craft/)上傳檔案，並查看目前的設定與限制。新使用者會獲得試用額度；處理費用依實際用量計算，現行費率請見[價格方案](https://pdfcraft.ai/zh-Hant/pricing/)。[OCR 與翻譯指南](https://pdfcraft.ai/zh-Hant/blog/ocr-and-translate-workflow/)說明為什麼在判斷完來源之後，文字擷取、版面結構和語意理解仍需分別把關。