选择 PDF
读取每页文字坐标、图片位置和共享资源。
能力速查
以当前产品实现为准，不把路线图当成已上线功能。
- 文字来源
- PDF 原生文字 + 图片 OCR
- 模型
- 自动 / 极速 / 专业 / 极致
- 混排
- 按页面坐标合并文字与图片
- 输出
- 长页 HTML / TXT / Markdown
DataDance 产品与工程团队核对 · 首次发布 · 最近更新
三步完成
所有关键参数在导出前确认，处理位置也会明确标注。
选择 OCR 档位
默认自动：桌面使用专业 OCR，移动端使用低内存极速档；桌面也可手动选择极速、专业或极致。
校对并导出
合并原生文字、图片与 OCR 结果，按页输出一份可独立打开的长页内容。
文字 PDF 和扫描 PDF 都能提取吗？
可以。原生文字来自 PDF 文字操作符；扫描页或图文混排中的图片则交给图映 PP-OCRv6。两条结果按页面坐标合并，而不是只选其中一种。
OCR 模型怎样选择和下载？
自动档在桌面选择专业模型，在移动端选择低内存极速模型；桌面还可手动选择极速、专业或极致档。模型首次使用时按需从多源模型 CDN 下载并校验，失败自动切换备用源，成功后从浏览器缓存读取。
怎样避免隐藏 OCR 层造成重复？
许多扫描 PDF 已带一层不可见识别文字。图映会规范化空格、标点和大小写，对图片 OCR 与当前页原生文字做重叠判断；已有内容不再重复插入，图片本身仍按原位置保留。
为什么输出是长页 HTML？
HTML 同时保留页码、段落、图片与图片内文字，适合阅读、归档和继续整理；TXT 与 Markdown 提供更轻量的纯内容版本。
内容更新：2026-08-30 · 能力边界以工具内实时探测为准
常见问题
下列答案与当前产品逻辑和页面结构化数据保持一致。
图片里的文字也会识别吗？
会。页面中的每张有效图片都会进入 OCR，识别结果与原生文字合并。
已有 OCR 文字会重复吗？
重叠文本会自动去重，低置信度或不重叠内容仍会保留供核对。
处理是否上传？
不会。PDF 解析、图片 OCR、排版和导出全部在浏览器本地完成。
继续了解 ImgIng 图映
相关任务页使用独立的标题、说明和可核验边界，不做只换关键词的重复页。