竖排中文扫描件识别乱序，先查什么

如果你把一本竖排的老书或一篇双栏论文扫描成 PDF，再做 ocr 文字识别中文，结果常常是字都认出来了，却读不通：右栏的句子接在左栏末尾，竖排文字被排成从左到右的一行，页码夹在段落中间。很多人下意识是换工具，但多数情况下问题不在单个字的识别，而在版面和阅读顺序。

这篇写给正在处理扫描件、发现文字顺序错乱的人。如果你遇到的主要是个别字写错，可以先看识别准确性相关的文章；这里只讲乱序，按"先查原件、再查扫描、最后核对输出"的顺序排查。读完你能判断问题出在哪一环，并知道该怎么改。

乱序怎么办？一句话结论

乱序通常是版面分析把区域切错，或者阅读方向判错，而不是单字识别错。先确认原件的栏数和阅读方向，再检查扫描质量是否合格，最后核对输出是否保留了分栏结构。

先判断是哪一种问题

逐项排查和修复

按下面的顺序做，先排除容易处理的原因。

1. 先看原件，记下栏数和阅读方向。竖排书通常从右到左、每列从上到下；横排双栏通常先读左栏再读右栏。这一步不做，后面就无法判断结果对不对。
2. 检查扫描本身。字边缘发毛、页面明显歪斜、局部发糊，都会让版面分析把一行切成两段，这类问题要先解决。
3. 纠偏后再识别。用扫描仪自带的纠偏功能或图片工具把页面摆正，必要时重新扫描。
4. 只抽一到两页试跑。在 OmniDoc 网页端上传 PDF，如需翻译，可选择仅译文或双语对照，先看前两页的顺序，不要急着整本核对。
5. 在桌面客户端的 PDF 编辑器中对扫描 PDF 做 OCR，处理后选中一段文字，看选中的范围是否按原文顺序排列。
6. 删除页眉、页脚和页码。它们每页重复出现，常被插进正文中间。可以在 PDF 编辑器中手工修改段落文字，或在导出前处理掉这些内容。
7. 导出后逐段对照。导出为 Word 后，与原页同一段落对照，重点看换栏处、表格和图注。重要内容需要人工核对，机器识别和翻译都可能出错。

竖排文本怎么修

竖排的关键是方向。核对时把结果和原页并排放，如果列的顺序反了，先确认页面是否被旋转过。旋转 90 度的页面，识别出的"列"会横过来，整页顺序都会错，应当先转回正向再识别。

双栏和多栏怎么修

栏间距小，或中间夹着图片时，版面分析容易把两栏的行连起来。遇到明显连接的地方，可以在 PDF 编辑器中直接修改文字并分段；如果同一页大量出错，说明版面切分本身有问题，应回到前面的纠偏和重扫步骤。

歪斜和低质量扫描怎么修

歪斜会让同一行的字分到不同的行，表现为"一行读成两截"。纠偏后再识别，比识别后再调整顺序省力得多。

怎样避免下次再出现

• 扫描时把原件放平，让纸张边缘与扫描仪边缘平行；用手机拍照时，也要让镜头正对页面，避免透视变形。
• 扫描前记下栏数和阅读方向，写在文件名或备注里，核对时就有依据。
• 整本处理前先抽一页试跑，确认版面结果正常后再继续。
• 保留原始扫描件，修改过的版本另存，方便回溯和比对。
• 标题、编号、表格这类结构性内容单独核对，不要只看整体是否通顺。

❓ 常见问题（FAQ）

1. 扫描件是什么？

扫描件是把纸质文件用扫描仪或手机拍成图片后得到的文档，里面的字是图像像素，通常不能直接选中或复制。在 PDF 里试着选中一段文字，如果选不中，或选中的是整块图像，那它就是扫描件。

2. 扫描件能直接做 OCR 吗？

可以。OCR 的作用是把图像里的文字识别出来，之后才能复制、检索和翻译。但 OCR 主要负责认字，不一定理解版面，所以识别后仍要核对顺序和段落。

3. 乱序和错字是同一个问题吗？

不是。错字多是单个字形被识别错，常见于模糊或字体特殊的地方；乱序是版面切分或阅读方向错，表现为整段、整页的顺序不对。两者修法不同，错字改字即可，乱序要先调整版面或重扫。

4. 手机拍的文档也会乱序吗？

会。拍照时如果页面倾斜、纸张边缘弯曲，或镜头有透视变形，行会被切斜，结果容易乱序。拍之前把纸张压平，让镜头正对页面，能减少这类问题。

📝 总结

竖排和多栏扫描件做 ocr 文字识别中文 后出现的乱序，多数来自版面切分和阅读方向的问题。先确认原件的栏数与方向，再处理歪斜和页眉页脚，最后对照原页核对；重要内容仍需人工确认。

打开 OmniDoc，识别和翻译扫描件