Perton 網誌: 深入了解 PDF 檔案格式及應用

或許你曾經有過這個疑問，為什麼有些可以直接做文字選取，有些卻沒有辦法；這是什麼原因呢？

PDF 檔案之所以有些可以直接選取文字，有些卻無法選取，主要原因在於 PDF 檔案的「內容結構」不同：

1. 可選取文字的 PDF

文字型 PDF（Text-based PDF）：這種 PDF 是由文字檔（如 Word、Excel）或其他數位文件轉成的。它包含實際的文字數據，因此可以直接選取、複製和搜尋。
特徵：文字會被視為可編輯的數據，且可以被 OCR（光學字符辨識）工具識別。

2. 無法選取文字的 PDF

影像型 PDF（Image-based PDF）：這種 PDF 是將實體文件（如掃描的紙本文件）以影像形式儲存，因此文件中的文字只是圖片的一部分，無法直接選取或編輯。
特徵：即使文字看起來像是文字，但實際上它是圖片中的像素，無法直接選取。

3. 混合型 PDF（Hybrid PDF）

部分區域是文字型，部分是影像型。例如，一些掃描後使用 OCR 處理過的 PDF，雖然表面上看起來是可選取的文字，但如果 OCR 未正確處理，可能有部分區域仍然是影像。

要如何將影像型 PDF 轉為可選取文字的 PDF？

使用 PDF 編輯軟體（如 Adobe Acrobat Pro）進行 OCR（光學字符辨識）。
在線工具（如 Google Drive 的 PDF OCR 功能）也可以做到。

既然有這些不同類型的PDF，是不是有什麼方法可以直接檢查它的檔案格式 flie format ?

你可以使用多種方法來檢查 PDF 檔案格式，並確定它是 文字型 PDF、影像型 PDF 還是 混合型 PDF：

方法 1：使用 PDF 讀取器或編輯器

Adobe Acrobat Pro：開啟 PDF 後，選取文字。如果可以選取並複製，那它是文字型 PDF。
檢查內容分層：
- 使用 「檢視」>「檢查 PDF」 或 「內容」面板 查看 PDF 的內容結構。
- 如果你看到文字圖層（Text Layer），代表是文字型 PDF。

方法 2：透過 PDF 軟體的屬性檢查

在 Adobe Acrobat Pro，選擇 「檔案」>「屬性」（File > Properties）。
在「描述」頁面中，查看「製作者」欄位：
- 如果是掃描軟體（如「Scanner」或「Image」），可能是影像型 PDF。
- 如果顯示如「Microsoft Word」或「Acrobat PDF」，則通常是文字型 PDF。

方法 3：檢查 PDF 原始碼（進階）

使用文字編輯器（如 Notepad++ 或 VS Code）開啟 PDF。
搜尋以下關鍵字：
- /Font：代表 PDF 中包含文字數據。
- /Image 或 /XObject：表示 PDF 包含影像。
如果同時有 /Font 和 /Image，那可能是混合型 PDF。

方法 4：使用線上工具

有些線上工具（如 PDF24 或 SmallPDF）可以自動檢測你的 PDF 是文字型還是影像型。

方法 5：透過指令列（進階）

在 Linux 或 macOS 上，你可以使用 pdfinfo 命令來檢查 PDF 屬性：
```
pdfinfo filename.pdf
```
這會顯示 PDF 的創建軟體、版本等信息。

有一些具體的工具，可以簡化檢查 PDF 檔案格式（文字型、影像型或混合型）的流程：

📌 桌面軟體

Adobe Acrobat Pro DC（Windows/macOS）
- 檢查方法：開啟 PDF，嘗試選取文字。如果無法選取，則為影像型 PDF。
- 進階檢查：
  - 選擇「檔案 > 屬性」檢查 PDF 檔案的製作者和格式資訊。
  - 使用「編輯 PDF」功能檢測是否需要 OCR。
PDF-XChange Editor（Windows）
- 檢查方法：開啟 PDF，嘗試選取文字。
- 進階檢查：
  - 使用「檢視 > 文件層」來查看文件結構（文字層或影像層）。
  - 支援內建 OCR 功能，可將影像型 PDF 轉為文字型 PDF。
Foxit PDF Editor（Windows/macOS）
- 檢查方法：開啟 PDF，嘗試選取文字。
- 進階檢查：
  - 「檔案 > 屬性」中查看「內容」選項。
  - 可進行 OCR，將影像型 PDF 轉為文字型 PDF。

📌 線上工具

SmallPDF（https://smallpdf.com/ocr-pdf）
- 檢測方法：上傳 PDF，進行 OCR 轉換。如果能檢測文字，那它原本是影像型 PDF。
- 優點：無需安裝軟體，快速且支援多種格式。
PDF24 Tools（https://tools.pdf24.org/）
- 檢測方法：提供「檢查 PDF」或「OCR」功能。
- 優點：免費使用，可快速識別 PDF 類型並轉換。
Google Drive + Google Docs
- 檢測方法：將 PDF 上傳至 Google Drive，右鍵點選「以 Google 文件開啟」。
- 優點：如果文字可直接編輯，則是文字型 PDF。否則是影像型 PDF。

📌 開源工具（進階）

PDFtk（Windows/macOS/Linux）
- 檢測方法：使用指令列查看 PDF 元數據。
- 進階：可分解 PDF 結構檔案檢查內容類型。
Poppler（pdftotext & pdfimages，Windows/macOS/Linux）
- 檢測方法：使用 pdftotext 來將 PDF 轉為文字檔，如果輸出為空，則是影像型 PDF。
- 範例指令：
```
pdftotext yourfile.pdf -
```
ExifTool（Windows/macOS/Linux）
- 檢測方法：檢查 PDF 的元數據。
- 範例指令：
```
exiftool yourfile.pdf
```

📌 建議使用情境

快速檢查 PDF：使用 SmallPDF 或 PDF24 Tools（線上工具）。
進階檢查並編輯 PDF：使用 Adobe Acrobat Pro 或 PDF-XChange Editor。
大量 PDF 檢測與批次處理：使用 Poppler（指令列）或 ExifTool。

這些工具能讓你快速檢測 PDF 類型，你希望我幫你整理一個 PDF 格式檢查的詳細教學指南嗎？（含圖文說明）

First Post : 2025/05/16

Perton 網誌

網頁

深入了解 PDF 檔案格式及應用