扫描版pdf需ocr转为可编辑文本，苏打办公提供在线、客户端、协同lightpdf及api四种识别方式，支持中文识别并导出txt/word。
如果您拥有扫描版PDF文件，但其中的文字无法选中或复制，则说明该PDF本质上是图像格式，需通过OCR技术将其转换为可编辑文本。苏打办公提供集成式OCR服务，支持在线识别中文扫描件并导出为TXT或Word格式。以下是具体操作步骤：
一、使用苏打办公官网在线OCR识别
该方式无需安装软件，适用于单次、中小体积扫描PDF的快速识别。系统调用云端OCR引擎，自动完成文字提取与结构还原。
1、打开浏览器，访问苏打办公官方网站，进入“PDF转TXT”或“PDF转Word”功能页面。
2、点击【选择文件】按钮，上传待识别的扫描版PDF；支持拖拽上传，单次最多可上传5个文件。
3、在语言选项中务必选择“中文(简体)”，避免因语言误判导致大量错字。
4、勾选【启用OCR识别】开关（若未默认开启），确认后点击【开始转换】。
5、等待识别完成，页面显示文本预览；可滚动查看各页识别效果，重点关注表格区域与页眉页脚是否完整。
6、点击【下载为TXT】或【下载为Word】，保存至本地设备。
二、通过苏打办公客户端执行OCR识别
客户端版本支持离线缓存、批量处理及更高精度识别设置，适合频繁处理扫描文档的用户。识别过程在本地初步解析后上传关键图像块，兼顾效率与隐私。
1、在电脑端安装最新版苏打办公客户端（需从官网下载，非第三方渠道）。
2、启动软件，点击主界面左上角【工具箱】→ 选择【PDF OCR识别】功能模块。
3、点击【添加PDF】，导入扫描版文件；若为多页PDF，可点击右侧【页码范围】自定义识别区间。
4、在参数设置中，将“识别模式”设为“高精度文字+版面分析”，以保留段落缩进与标题层级。
5、点击【开始识别】，进度条结束后弹出结果窗口；此时可逐页核对识别内容，红色高亮部分为置信度低于85%的疑似错误字符。
6、校对完成后，点击【导出】→ 选择“纯文本(.txt)”或“可编辑文档(.docx)”，指定保存路径并确认。
三、结合苏打办公与LightPDF协同识别
当单页扫描质量较差（如阴影、倾斜、低对比度）时，可先用LightPDF进行图像预处理，再导入苏打办公提升OCR准确率。此组合利用各自优势，规避单一工具局限。
1、访问LightPDF官网，进入“PDF OCR”功能页，上传原始扫描PDF。
2、在预处理选项中勾选【自动纠偏】、【去背景噪点】、【增强文字对比度】三项。
3、点击【开始处理】，下载优化后的PDF（文件名含“_enhanced”后缀）。
4、将优化PDF上传至苏打办公OCR界面，关闭“自动图像增强”选项，仅启用OCR核心识别，防止重复处理导致文字失真。
5、设置语言为中文，启动识别；导出前重点检查数字编号、括号嵌套及引号配对是否正确。
四、使用苏打办公API对接Python脚本批量识别
适用于科研或行政场景中需日均处理百份以上扫描PDF的用户。通过调用苏打办公开放API，可编写自动化脚本实现无人值守识别，并按命名规则归档输出结果。
1、登录苏打办公开发者中心，申请OCR API密钥，获取请求地址与认证方式（Bearer Token）。
2、使用Python编写脚本：导入requests库，构建multipart/form-data请求体，包含PDF文件流与参数{"language": "zh", "output_format": "txt"}。
3、发送POST请求，接收JSON响应；检查response['status']是否为'success'，否则读取error_code定位失败原因。
4、解析response['result_url']，发起GET请求下载识别结果；文件名按原始PDF名+时间戳生成，避免覆盖。
5、将所有TXT结果统一存入指定文件夹，脚本末尾不触发任何汇总操作，仅完成单次任务闭环。
