如何在 Mac 上让扫描的 PDF 可搜索（本机 OCR）
扫描得到的 PDF 其实是一叠页面图像。你能读懂，Mac 却读不懂：聚焦在里面什么也找不到，在“预览”里搜索没有结果，连一句话都复制不出来。要解决这个问题，就得识别每一页上的文字（OCR，光学字符识别），并把它作为不可见的文本层存进 PDF。在 Mac 上，这件事可以在不上传文档的情况下完成：在 Folia Files 中，用PDF 工具打开这个 PDF，然后点按使文本可搜索（OCR）…。macOS 会在你的 Mac 上读取文字，Folia Files 会在原文件旁边写出一份新的、可搜索的副本。
下面说明“可搜索”到底是什么意思、如何检查一个 PDF，以及具体步骤。
什么样的 PDF 才可搜索
PDF 的一页里可以装着两种截然不同的内容：
- 文本，以字符的形式保存。从 Word、Pages 或浏览器导出的文档就是这样，可以选择、搜索和复制。
- 页面的图像。大多数扫描仪、扫描 App 以及把照片存成 PDF 得到的都是这种。看起来一样，但对电脑来说只是像素。
可搜索的扫描件两者兼有：你看到的图像，加上识别出的文字，以不可见的方式放在相同的位置。你看到的仍是原来的扫描件，但现在可以选择一行、复制它，也能凭其中的某个词找到这份文档。
如何判断 PDF 是否有文本层
用“预览”打开它，试试下面任一方法：
- 按下 ⌘ F，搜索页面上清晰可见的一个词。没有结果，说明背后没有文本。
- 在一句话上拖移指针。如果无法高亮单词，只能画出一个矩形，这一页就是图像。
PDF 也可能是混合的：有些页面是打出来的，另一些是后来扫描再插入的。请多检查几页，不要只看第一页。
为什么聚焦和“预览”帮不上扫描件的忙
聚焦会为文档中存储的文本建立索引。扫描的 PDF 里没有文本，所以搜索“租赁合同”或某个发票号码时，只有这些词出现在文件名里才能找到它。所有依赖聚焦的搜索工具都是如此，包括 Folia Files 的文本搜索。
“预览”很擅长打开和标注 PDF，但没有任何命令能识别扫描页上的文字并把它存进文件。“实况文本”有时能让你在屏幕上选取某些图像中的文字，但它不会往 PDF 里写入任何东西，下一次搜索依然一无所获。
较新版本的 macOS 确实会读取图像文件（例如 JPEG 或 PNG 格式的扫描件）中的文字，之后聚焦就能按内容找到它们。但由扫描页面组成的 PDF 不在此列。
用 Folia Files 让扫描的 PDF 可搜索
Folia Files 是一款 Mac 文件管理器。它的 PDF 工具可以合并、重新排序、旋转、拆分和压缩 PDF，还能让扫描件中的文字可搜索。识别由 macOS（Apple 的 Vision 框架）在你的 Mac 上完成：文档从不离开你的 Mac，也不需要联网。
1. 在 PDF 工具中打开 PDF
在 Folia Files 的面板中按住 Control 点按（右键点按）扫描的 PDF，选取PDF 工具…。工具会在一个标签页中打开，这个文件已在列表里。你也可以从菜单栏（工具 › PDF 工具…）或工具栏的工具按钮打开它，然后用添加…或面板所选内容加入文件，或者直接把文件拖放到页面区域。
2. 检查页面
右侧的页面以缩略图显示每一页。开始识别之前：
- 用向左旋转或向右旋转把横躺的页面摆正（没有选中任何页面时，会旋转全部页面）；
- 用废纸篓按钮移除空白页或不需要的页面（文件本身不会改动）；
- 如果扫描仪进纸顺序乱了，用箭头重新排列页面。
工具会按当前顺序处理显示的所有页面。如果你勾选了多个文件，它们的页面会合并成一个文档：想让几个 PDF 分别可搜索，就逐个处理（两次之间点按全部清除）。
3. 点按“使文本可搜索（OCR）…”
点按底部栏中的使文本可搜索（OCR）…（见下方截图）。如果窗口不够宽、放不下所有按钮，它会在存储为单个 PDF…旁边的更多操作菜单里。
Folia Files 会询问结果存储在哪里，并建议使用同一个文件夹，文件名为原名称后加“（可搜索）”。接着，在 macOS 逐页读取时显示正在识别文本…。完成后，Folia Files 会回到你的文件，并在所在文件夹中选中新的 PDF；PDF 工具标签页底部的栏会显示识别出了多少个字符。
原来的 PDF 永远不会被修改。新的 PDF 看起来完全一样，识别出的文字以不可见的方式叠在每一张扫描页上。原本已有文本的页面保持不变：只有完全没有文本的页面才会被识别。
4. 搜索一个词来验证
聚焦需要一点时间为新文件建立索引。之后，搜索一个你确定扫描件里有的词：在聚焦中（⌘ 空格）、在“预览”中按 ⌘ F，或者在 Folia Files 中。在 Folia Files 中，点按工具栏里的查找，在显示在名称中的按钮菜单里选取在文本内容中，然后输入你的词。每个结果都会说明它为什么被找到。
Folia Files 的搜索会查找你输入的所有词，不分顺序，也不区分大小写和重音符号。
把纸质文件的照片做成一个可搜索的 PDF
PDF 工具也接受图像：收据、信件或合同页面的 JPEG、PNG、HEIC 照片。每张图像成为一页。把它们全部加入，排好页面顺序，再点按使文本可搜索（OCR）…，就能得到一个只由你所拍内容组成、文字可搜索可复制的 PDF。
如果只想要一个干净的 PDF 而不做识别，用存储为单个 PDF…就够了；压缩…通常能让由照片组成的 PDF 小很多。
识别效果可以期待什么
- 语言：在当前版本中，Folia Files 识别英语、法语、德语、西班牙语和意大利语的文字，暂不识别中文。
- 质量：清晰、端正、光线充足的扫描件效果最好。小字号、手写、印章和严重褪色的复印件可能识别错误，甚至识别不出来。OCR 从来不是完美的：搜索几个词，看看效果如何。
- 版式：可见的页面不会改变，你看到的仍是扫描件。添加的只有不可见的文字，按 macOS 找到的位置逐行放置。
- 时间：页面会一页一页地读取。几页只要几秒钟；很长的扫描书籍需要更久，期间你可以在其他标签页里继续工作。
- 隐私：不会向任何服务器发送任何内容。扫描件、识别出的文字和生成的 PDF 都留在你的 Mac 上。
其他做法
Adobe Acrobat Pro 能识别扫描 PDF 中的文字，许多扫描 App 只要打开相应选项，也能在扫描时完成识别。在线 OCR 服务同样可用，但需要上传文档，而合同、工资单或医疗报告这类文件，通常没人愿意上传。当扫描件已经在你的 Mac 上，你又想让它们和其他文件一样能被搜索、而且不发送到任何地方时，Folia Files 是个合适的选择。
