文字提取

文字提取工具使用 OCR(光学字符识别)技术,把图片里的文字识别成可以复制、编辑的文本。你选择识别语言、上传一张截图、照片或扫描图,稍等片刻就能在页面下方的文本框里拿到结果。识别引擎是开源的 Tesseract(通过 tesseract.js 在浏览器里运行)。OCR 的结果不保证完全正确,尤其是图片模糊、字体特殊或排版复杂时,务必人工核对。

操作步骤

1. 先在「识别语言」下拉框里选择图片中的主要语言。可选项有:中文 + 英文(默认)、仅英文、繁体中文、日语、韩语。识别进行中这个下拉框不可更改。
2. 点击虚线区域「点击上传图片(截图、照片、扫描件均可)」,选择一张图片。选择后会立即开始识别,不需要再点其他按钮,并且每次只能处理一张。
3. 图片下方的预览会显示你选择的图片,同时出现「识别中… N%」的进度提示。第一次使用某种语言时需要先下载识别所需的文件,进度可能停留一会儿。
4. 识别完成后出现「识别结果(可直接编辑)」文本框,你可以在里面直接修改错字,然后全选复制到别处使用。
5. 想识别另一张图片,重新点击上传区域即可;想换语言,先改下拉框再上传图片(语言是在上传时生效的)。

一个实际使用场景

比如你收到一张会议白板的照片,想把上面的要点整理成文字。先把识别语言设为「中文 + 英文」,上传照片,等到进度走完,在结果文本框里直接改掉识别错的几个字,再复制到文档里。如果白板反光、字迹潦草,识别结果会出现很多错误甚至一片空白——这时重新拍一张更正、更亮、对焦清楚的照片,往往比在结果里逐字修改省事得多。对于打印清晰的文档截图,效果通常明显好于手写内容。

支持范围与已知限制

• 目前只有五个语言选项:中文 + 英文、仅英文、繁体中文、日语、韩语。其他语言(如法语、德语、俄语)暂不支持,不能同时选择多个选项之外的组合。
• 每次只处理一张图片,没有批量识别,也没有对 PDF 的支持。输出是纯文本,不保留表格结构、颜色和字体,也没有「复制」或「下载」按钮,需要自己在文本框里选中后复制。
• 识别效果取决于图片质量:清晰、对比度高、文字水平摆放的图片最好;模糊、倾斜、反光、低分辨率、艺术字、手写体和复杂背景上的文字容易出错。工具没有提供图片预处理(如纠偏、增强对比度),需要自行预先处理。
• 如果图片里没有识别到任何文字,页面会提示「没有识别到文字」。此时请换一张图片或检查语言设置。
• 识别失败(例如网络无法下载识别文件、图片损坏)时,页面显示「识别失败,请重试或换一张更清晰的图片」。
• 首次使用需要联网下载识别引擎和语言数据,这些文件由第三方 CDN 提供(见下面的隐私说明),网络不通时会失败。语言数据大小因语言而异,页面提示中文加英文大约十几 MB。
• 较大的图片或文字很多的图片识别时间较长,识别在浏览器里占用的是你设备的计算资源,低配置手机上可能比较慢。

常见问题:为什么识别结果里有很多错字?

OCR 是靠模型猜测每个字符,图片越清晰越准。常见的出错原因包括分辨率太低、文字太小、图片倾斜、背景花哨、选错了语言,以及中英文混排时字形相近的字符被误判(比如数字 0 与字母 O)。可以尝试:换原图或更高分辨率的截图、裁掉无关区域、选对识别语言。无论如何,涉及数字、金额、名称的内容,请人工逐项核对。

常见问题:为什么第一次识别特别慢?

第一次使用时,浏览器需要下载识别引擎和所选语言的数据,然后才会开始真正的识别。网络慢的话这一步会占用不少时间,进度条也可能一段时间没有变化。之后再次使用同一语言通常会快一些,具体取决于浏览器的缓存情况。

常见问题:能识别手写字吗?

这个引擎主要面向印刷体文字,手写体的识别结果通常不可靠,工整的手写可能能认出一部分,潦草的基本不行。如果手写识别是主要需求,请对结果多加检查,不要完全依赖。

常见问题:选「中文 + 英文」和「仅英文」有什么区别?

「中文 + 英文」会同时加载中文和英文的识别数据,适合中英文混排的内容,但数据更大、识别更慢;「仅英文」只加载英文数据,纯英文图片用它会更快,在没有中文的图片上结果也往往更干净。繁体中文、日语、韩语各自对应一套独立的语言数据,请按图片内容选择。

隐私与处理方式

你的图片不会被上传到本站或任何服务器去识别:图片文件被直接交给在浏览器里运行的 tesseract.js,识别过程在你的设备上完成。但需要如实说明的是,首次使用时,tesseract.js 会从公共 CDN(jsDelivr)下载它的 worker 脚本、识别内核以及所选语言的数据文件,所以这一步会产生对第三方服务器的网络请求,对方能看到常规的请求信息(如你的 IP 地址),但看不到你的图片内容。识别结果只显示在页面上,不会被保存,刷新或关闭页面后即清除。