建立可搜索档案

扫描件是页面的图片。一箱图片没法搜索、没法选中文字、也没法被索引——直到每一页都带上文字层。建立档案这件事就是加上这一层：修整画面、在设备端识别文字、再按为长期保存而生的格式存起来。

这件工作的顺序

1. 修整扫描画面。 手机照片和旧扫描件常常是歪的、灰的、深浅不一的。增强扫描件清晰度——浏览器内运行，免费——把页面校直、把对比度拉匀。这一步值得先做：识别步骤读干净页面的效果远好过读脏页面。

2. 在设备端识别文字。 OCR 识别 PDF——设备端识别，免费、不上传——逐页读取并就地加上文字层，全程不传输任何内容。这一步把一张图片变成一份文档。

3. 用归档格式存放档案。 把 PDF 转成 PDF/A——浏览器内运行，免费——把结果写成为长期保存而生的 ISO 标准 PDF/A，也就是档案本该存放的格式。结果需要对照标准做合规校验时，校验 PDF/A 合规性是一个云端步骤，使用免费账号的每日与每月额度。

搜索一个档案里必然存在的词，确认它被找到；选中一行已恢复的文字；复制一句话并与页面比对。识别是概率性的，所以验证就是正事而非附加步骤——也只有这样才能知道哪些页面需要重新扫描，而不是再猜一次。

扫描件本质上是图片文件，所以可搜索档案往往也很大。文字层到位之后，体积是另一件事：扫描件压缩指南讲如何在不毁掉刚建立的可读性的前提下取舍体积与画质，而压缩图片——浏览器内运行，免费——才是真正能把扫描件压小的杠杆。

手写文字能识别吗？ 不能，也没有哪款通用 OCR 工具会诚实地宣称可以。印刷与打印文字是这一步能可靠恢复的内容；手写页面仍然是图片。

恢复出来的文字有错，为什么？ 识别质量跟随输入：倾斜、低对比、模糊的页面给出的文字层就会有缺口。先修整画面；如果某页还是不对，办法通常是换更好的原件，而不是再跑一遍。

OCR 之后档案变大了，正常吗？ 正常：文字层是加在图片之外的，文件增大的量约等于那些文字。所以要先识别、后压缩，绝不要在文字恢复之前就把像素扔掉。

可搜索档案就是按正确顺序做的三步：修整页面、在设备端识别文字、按 PDF/A 存放。这样做完，这堆东西十年后仍然可搜索——而扫描件全程没有离开过你的设备。

准备好建立手上的档案了吗？先用增强扫描件清晰度修整画面，再用 OCR 识别 PDF——设备端识别，免费、不上传——加上文字层，长期保存的副本用把 PDF 转成 PDF/A。结果太大？扫描件压缩指南讲了如何压小而不把刚恢复的文字弄糊。