扫描文档与图片文字提取
将扫描版PDF、拍照页面和截图中的文字识别出来,针对乱码、旋转和多语言调整识别设置,得到可复制的文本。
功能与用途
适合把无法复制文字的扫描版PDF、拍照页面、截图及图片转成可编辑文本。提供文件路径和文档语言后,可使用Xberg执行文字识别,并针对提取为空、已有文字层乱码、页面旋转或中日文识别不准等情况调整设置。支持批量处理扫描文件,也可将常用设置保存后重复使用,输出纯文本或Markdown,便于检索、整理和引用。使用前需要安装Xberg命令行程序,并准备对应语言包;批量处理时可按设备内存限制并发数量。
适用场景
- 扫描档案转成可复制文字:识别扫描合同、历史档案等PDF中的文字,输出文本供检索、摘录和整理。
- 重新识别乱码PDF:对外观正常但复制后乱码、提取结果为空的PDF强制重新识别,获取正文。
- 提取多语言拍照页面:为双语菜单、日文资料等照片选择对应语言设置,并处理页面旋转问题。
- 批量转换扫描资料:批量识别文件夹内的扫描PDF,限制并发数量,并保存常用识别配置。
适用人群
- 档案数字化人员
- 行政文员
- 研究资料整理人员
- 文档处理开发者
使用步骤
- 提供扫描PDF或图片路径,说明文档语言。
- 执行文字提取,检查是否存在空白或乱码。
- 按需要调整语言、强制识别或自动旋转。
- 输出文本或Markdown,批量任务设置并发上限。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 办公
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 12
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Use when extracting text from scanned PDFs, photographed pages, or images that have no embedded text layer. Covers OCR backends, language packs, force-OCR, and performance tuning.
使用前准备
- 已安装可运行的Xberg命令行程序,并能执行终端命令。
- 准备本地扫描PDF或图片文件,并明确文档使用的语言。
- 使用Tesseract时需安装对应语言包;使用托管视觉模型时需配置服务凭证。