用 OCR 提取图片中的文字
以英语读取示例扫描图片。
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.png"
],
"language": "eng"
}文档 OCR
OCR 文字识别：把图片和扫描 PDF 变成文本
提交图片或 PDF 链接、上传文件或 base64 数据，即可逐页获得识别出的文字和引擎置信度。可开启单词坐标以构建文档解析器；若 PDF 本身已有文本层，也可直接复用。
★ 5.0 评分 · 1 条评价18 位用户97.1% 运行成功率（30 天）
可获取的数据
text | 文件的完整识别文本 |
pages | 每页单独的文本 |
confidence | 每页的引擎置信度 |
words | 可选：识别出的单词及置信度 |
boundingBox | 可选：每个单词在页面上的位置 |
language | 所用 OCR 语言 |
fileName / url | 所处理文件的来源 |
使用方法
- 在 Apify 上打开本爬虫并免费注册。
- 在表单中填写航线、日期和选项。
- 点击 Start，以 JSON、CSV 或 Excel 下载结果，或通过 API 调用。
价格
$2.00 每 1,000 条数据
按事件计费：每处理一个文件收取少量费用，每用 OCR 读取一页另行计费。可通过页码范围和最大页数控制成本。
Apify 每月赠送 5 美元免费额度，足够免费测试本爬虫。
示例任务
现成的输入参数，可复制到爬虫表单或通过 API 发送。
识别扫描 PDF 并返回单词坐标和置信度
仅前 3 页，过滤低置信度单词。
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.pdf"
],
"pageRange": "1-3",
"includeWordBoxes": true,
"minWordConfidence": 60
}对扫描 PDF 强制 OCR 并自动识别语言
忽略 PDF 文本层，最多 20 页。
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.pdf"
],
"autoDetectLanguage": true,
"useExistingTextLayer": false,
"maxPagesPerFile": 20
}批量将图片和 PDF 转为纯文本
两个文件，仅输出全文。
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.png",
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.pdf"
],
"includePages": false
}应用场景
- 开发者： 无需自建引擎即可为应用和文档解析器加入 OCR。
- 后台运营团队： 从扫描的发票、收据和合同中提取文字。
- AI 与 RAG 开发者： 将扫描 PDF 转为文本，用于搜索和大模型流程。
- 研究人员与档案管理： 将多语言扫描文献和档案数字化。
常见问题
支持哪些语言？
共 19 种，包括英语、德语、法语、西班牙语、葡萄牙语、俄语、印尼语、越南语、阿拉伯语、印地语、简繁中文、日语和韩语，并可选自动识别文字体系。
支持扫描版 PDF 吗？
支持。扫描页面通过 OCR 读取；已有文本层的页面可直接复制，速度更快也更准确。
能获取单词坐标吗？
可以。开启单词位置后，会返回每个单词的置信度及其在页面上的位置框。
对文档做 OCR 合法吗？
请只处理您拥有或有权处理的文件。如文档含个人信息，请按适用的隐私法规处理输出结果。
如何集成？
可通过 Apify API 提交链接或 base64 文件，使用 Python 或 JavaScript 客户端，或连接 Make、n8n、Zapier、Google Sheets。