PDF转文字提取不出内容？两种常见原因一次说清
打开一份 PDF，肉眼看着字迹清清楚楚——合同条款、协议书正文、表格里的数字，一个都不含糊。结果丢进任何一个“PDF转文字”工具，出来的要么是一片空白，要么只有页脚那几行客服电话之类的边角文字，正文一个字都没有。
第一反应通常是“这工具是不是很烂”。但更常见的情况是：这份 PDF 本身就没有可提取的文字数据，问题不在工具，在文件本身是怎么生成的。
30秒自查：用鼠标框选一下
在任意 PDF 阅读器（浏览器自带的、Adobe Acrobat 都行）里，用鼠标在正文上拖动，看能不能选中文字（选中后通常会高亮）。
- 能选中 → 有真正的文字层，任何靠谱的 PDF转文字工具都应该能读出来
- 选不中，鼠标拖过去只是画了一个选框 → 这份 PDF 没有文字层，读不出来是必然的结果，不是工具的问题
如果是第二种情况，往下看——通常是这两种原因之一。
原因一：扫描件（图片型 PDF）
最常见的一种。这份 PDF 本质上是一张（或几张）照片/扫描图片，套了个 PDF 的外壳——纸质合同拍照后转存成 PDF、传真件、老文档扫描件，都是这个套路。
肉眼看到的“文字”，其实是图片里的像素点组成的图案，PDF 文件结构里根本不存在“这里写的是什么字”这个信息。要从这种文件里读出文字，需要 OCR（光学字符识别）——不是“提取”，是真正意义上的“识别”，本质上和拍照识别文字是同一件事。
原因二：转曲线（文字变成了矢量图形）
这个原因不如扫描件常见，但更容易让人摸不着头脑——因为这份 PDF 明明不是扫描件、也不含任何图片，正文照样提取不出文字。
某些证件、协议书、海报类 PDF，在生成/导出的时候会把每一个字“转换成曲线”（也叫轮廓化、矢量化）——把字形变成一堆填色的线条路径，而不是“用某种字体画出某个字符”。这么做的常见动机是防止读者电脑没装对应字体导致显示乱码或错位，文字一旦变成路径，不管在谁的电脑上打开，长得都一模一样。
代价是：这份 PDF 从此不再包含“这是什么字”这个信息，只剩下一堆线条和填色。这不是哪个软件的兼容性问题——用 Adobe Acrobat 打开同一份文件，用鼠标选中这部分文字，同样会发现选不中。文件本身已经不含文字数据了，靠“读取文字层”这条路是走不通的，包括人工智能驱动的工具。
保险定损单、部分政府/机构下发的表格类文档，是转曲线的重灾区——如果你手头这份文件恰好是这类，大概率就是这个原因。
不过这里有个容易被忽略的点：转曲线丢掉的只是“这是什么字”的结构化信息，字形本身还在，肉眼照样能看清楚——这意味着只要换一条路，不指望读文字层、而是像看图片一样“识别”这些字形，转曲线的文字其实是能读出来的。往下看。
两种情况现在都不用你自己动手处理
以前遇到这两种情况，只能自己找别的工具跑 OCR，现在 批量PDF转文字 会自动帮你判断、自动切换：
- 扫描件：工具检测到整份文件没有文字层，会自动把每一页当图片交给内置的 OCR 识别，不用你先手动转图片再找别的工具。
- 转曲线：本质上和扫描件是同一类问题——都是“没有文字层，但画面上的字是可读的”——所以走的是同一条自动 OCR 路径，不需要你自己判断是哪一种原因，也不需要去找文件的原始来源方要没转曲线的版本。
需要说明的是，OCR 识别和“读取真正的文字层”不是一回事：文字层是精确的数据，读出来百分百准确；OCR 是按视觉识别，印刷体、清晰扫描件/渲染图准确率高，但仍然可能有个别字认错、格式（下划线、方框、分栏）还原不完全。涉及金额、日期、条款等关键信息时，下载后务必对照原文件核对一遍，别直接拿去用。
用批量PDF转文字快速处理
不用先自己判断是扫描件还是转曲线，直接批量跑一遍就行：
- 打开 批量PDF转文字，把要处理的 PDF 一次性全部拖进去，不用一份一份来。
- 点击“开始提取”。全程在浏览器本地处理，文件不会上传到任何服务器。
- 有文字层的文件几秒钟就能拿到结果，直接下载 .txt；没有文字层的文件（不管是扫描件还是转曲线）会自动切换到 OCR 识别，识别完同样能下载，只是会额外提示“这部分内容来自 OCR 识别，建议核对”。真的一个字都识别不出来的极端情况（比如图片本身糊到看不清），才会标为提取失败。
如果手头本来就是照片、截图（不是 PDF），可以直接用 图片/扫描件转文字(OCR)，效果和上面说的自动 OCR 是同一套引擎。