pdf转word后出现文字重影,先判断原pdf是不是同时存在扫描底图和隐藏文本层。重复做ocr、或者转换时两层内容同时输出,都有可能造成文字重叠。先在文件副本里抽几页做验证,调整文字识别或者转换方式之后对着原稿核对,别直接用覆盖白块的方式掩盖问题。
核对原稿是否为扫描页
打开要处理的归档PDF,放大查看文字边缘是不是扫描图的质感,再试着用鼠标拖选文字。能看到底层图像内容同时文字还可以选中,说明这份PDF可能已经自带识别层。

在副本检查识别结果
开启扫描和OCR功能,检查已经生成的识别文字,别在原文件上反复叠加识别操作。先拿少量页面重新识别,转成清晰的单层副本做测试。

重新转换并对照字符
把测试页转成Word,逐处检查每段文字是不是只显示一份。重影还没消失的话,就检查输出文档里的内嵌图片和文本框,全程保留原PDF作为核对依据。




















