OmniDoc扫描件是什么，和普通PDF有什么区别
扫描件是纸质文件被扫描或拍照后生成的图像，常常选不中文字。这篇讲清它与普通PDF的区别，判断方法，以及为什么编辑或翻译前要先做OCR。
很多人拿到一份合同、论文或证明材料，发现 PDF 里的字点不中，搜索关键词也找不到，于是怀疑文件坏了。其实这多半是扫描件。扫描件本质上是一张张图片，只是装进了 PDF 或其他格式的文件里。
这篇写给需要编辑、翻译或归档这类文件的人。我们会讲清扫描件是什么、它和普通 PDF 差在哪里，以及为什么编辑前要先做 OCR（文字识别）。读完你可以自己判断手里的文件属于哪一类，并选对处理方法。
扫描件是什么，哪种情况要先做 OCR？一句话结论：扫描件是纸质文件经扫描仪或手机拍照后生成的图像，看起来是文字，实际只是像素，所以通常选不中文字，需要先识别再处理。
| 你的情况 | 推荐做法 | 原因 |
|---|---|---|
| 文件能正常选中、复制文字 | 直接编辑或翻译 | 文字已经以字符形式存在，可以直接处理 |
| 选中时只能框出整页图片 | 先做 OCR，再编辑或翻译 | 文字是像素，需要被识别成字符 |
| 手机拍的照片要转成 PDF 使用 | 先整理成 PDF，再判断是否需要 OCR | 拍照得到的同样是图像，性质与扫描件相同 |
| 只存档、不改内容 | 保留原件，需要搜索时再做 OCR | 不改内容时，文件本身不需要文字层 |
| 合同、证件等重要文件 | 处理后逐页核对，原件另存 | 识别和翻译都可能出错，关键信息要人工确认 |
扫描件到底是什么？
扫描件是把纸质文件转成数字文件的结果。扫描仪或手机摄像头像拍照一样记录页面，每个点都以颜色或灰度的形式保存下来。人眼看到的是文字，电脑看到的却是一幅画。
图像还是文字：两者的根本区别
普通 PDF 通常由文字处理软件导出，文字以字符和字体的形式保存，因此可以选中、复制、搜索。扫描件则只保存了页面的图像。即使它看起来和普通 PDF 一模一样，字符本身并不存在于文件中。
这一区别决定了很多操作的结果。搜索框找不到关键词、复制出来的是空白或乱码、翻译工具无法读取段落，大多是这个原因造成的。
扫描件是不是拍照就行？
拍照得到的文件也属于扫描件的范畴，因为它同样是图像。区别在于质量：光线不均、页面弯曲、角度倾斜、分辨率偏低，都会影响后续的文字识别。用扫描仪或在光线均匀的地方拍照，结果通常更稳定。
需要注意的是，"拍照就行"只说明文件能生成，不代表它能直接编辑。想要改字、搜索或翻译，仍然需要文字层。
扫描件的格式是什么？
扫描件常见的格式有四种：
- PDF：常见，扫描仪默认输出，可以把多页装在一个文件里。
- JPG：照片式图像，手机拍照和部分扫描软件默认使用。
- PNG：无损图像，适合截图或单页文档。
- TIFF：常用于档案和印刷行业，单个文件可包含多页。
扩展名不能决定文件是不是扫描件。同样是 PDF，有的是文字导出的电子版，有的是页面图像；判断的依据是内容能不能被选中。
常见误解与容易混淆的地方
扫描的 PDF 也可能能选中文字
有些扫描件在生成时已经做过 OCR，图像上方附加了一层隐藏的文字。这样的文件看起来是扫描件，选中时却能拖出文字，搜索也能找到词。这类文件的文字层可能与图像有偏差，识别错误也可能藏在里面，所以不能仅凭"能选中"就认定内容准确。
文件格式不等于文件类型
一个.pdf 文件可以是原生电子版，也可以是扫描件。一张.jpg 图片当然是图像，但它也可以只是拍下的一页纸。判断时请看内容，而不是后缀。
OCR 不是把图片变成原文件
OCR 是把图像中的文字识别出来，生成可以编辑和搜索的文字层。它不会还原原文件的字体、排版和印章等细节，因此识别后仍需对照原件检查版式。
📊 核心对比
| 类型 | 能否选中文字 | 能否直接翻译或编辑 | 常见来源 |
|---|---|---|---|
| 原生电子 PDF | 能 | 能 | 文字处理软件直接导出 |
| 纯图像扫描 PDF | 不能 | 需先做 OCR | 扫描仪、复印机输出 |
| 已做 OCR 的扫描 PDF | 能 | 能，但需核对识别结果 | 扫描时带识别功能的设备或软件 |
| 单张图片（JPG、PNG） | 不能 | 需先做 OCR | 手机拍照、截图 |
实际怎么用
在 OmniDoc 上处理扫描件，可以按下面的步骤进行：
- 在 omnidoc.top 上传扫描 PDF，选择双语对照或仅译文，下载结果。扫描件可以直接上传翻译。
- 需要修改段落文字、签名、填表或涂黑时，打开桌面客户端（download.omnidoc.top），用其中的 PDF 编辑器对文件执行 OCR，再进行编辑。
- 编辑完成后，可以把内容导出为 Word、Excel 或 PowerPoint，方便再次修改。
- 无论用哪种方式，都应逐页核对识别和翻译后的关键数字、日期、人名和金额，原件另存备查。
❓ 常见问题（FAQ）
1. 扫描件是指什么，和"扫描版"是一回事吗？
是的。两者指的是同一类文件，都是由纸质文件转换而来的图像。叫法不同，判断标准都是看内容能否被选中。
2. 扫描件文件格式是什么格式？
常见的是 PDF，其次是 JPG、PNG 和 TIFF。格式只说明文件如何保存，是否属于扫描件，要看页面内容是不是图像。
3. 怎么判断一个 PDF 是不是扫描件？
用鼠标拖选页面中的一段文字。如果无法选中，或者选中的是整页图片，基本可以确定是纯图像扫描件。如果能选中并复制，但复制出的内容与页面不符，说明它可能是带有识别层的扫描件。
4. OCR 之后还需要人工检查吗？
需要。识别会把相近字形混淆，例如数字、标点和手写体容易出错。合同、证件、财务材料等重要文件，应对照原件逐项确认。
📝 总结
扫描件是纸质文件的图像版本，看上去是文字，电脑里却通常选不中。判断它的关键是看内容能否被选中，处理它的关键是先做 OCR，再编辑或翻译，最后核对重要信息。
