OCR到底做什么，又做不到什么
OCR识别形状并返回字符。它不会“阅读”。它不理解背后的词义，所以把“1”误认成“l”时，看起来和周围每个正确的字符一样确定无疑。正因如此，这些页面会在文字旁边显示识别器自己的置信度，而不是给您一个看似干净的结果、让您自己去找错。对于清晰的印刷文字，拍得方正且对焦清楚时，错误率是千分之几个字符。遇到反光、阴影或少见的字体，结果可能差得多，而输出看上去却毫无异样。
这些页面背后有两个识别器。一个不管文字是什么书写体系，都能在页面任何位置找到文字，并用一套词典识别五十来种语言。另一个针对每种语言单独训练，排在它后面，覆盖120多种语言。把语言保持为“自动”，就会让第一个识别器先试，这很重要，因为指定了错误的语言是什么都识别不出来的典型原因——一份波兰语菜单被判定为西里尔字母、按俄语识别，就会信心十足地返回一页空白。自己指定语言，会把任务固定交给该语言的识别器，当您确切知道手上是什么时，这正是您想要的。
重要的是分辨率，不是文件大小。识别器需要特定的字母高度，所有内容都会缩放到这个高度：扫描版PDF的页面以300 DPI渲染后再识别，图片则根据墨迹本身而不是图片尺寸来测量，再相应放大或缩小。屏幕文字是人们最常弄错的情况——正常大小下一个字母约十像素高，大约只有识别器所需的三分之一，所以截图会先放大再识别。字母低于约八像素时，已经没有细节可放大，再怎么处理也凭空变不出来。反过来，一张4800万像素的菜单照片并不比一张清晰的小照片更准确；超过一定程度，更多像素只会多花时间，什么也换不来。
倾斜和光照不均造成的破坏比看上去大得多。拍摄的页面往往歪一两度，光线也从一侧照来，所以图片转文字和文档扫描会在整页范围内测出这个角度并校正，再分块估计墨迹背后纸张的亮度，把它提升为均匀的白色。这不是为了好看。笔直的表格线是能把表格识别为网格的前提，均匀的对比度则能避免把您手的影子当成墨迹。截图刻意不做这两项处理：它本来就方正、光照均匀，把它当照片来处理只会增加错误。
表格和多栏排版才是真正的难点，具体数字值得了解。把一张带框线的表单当作整页正文来识别时，单元格文字串到了下一列，三分之一的标签丢失——字符错误率达15%到20%。先找出表格线、再逐个单元格单独识别，错误率降到约5%。所以有可见框线的表格会被识别为网格，以制表符分隔的行输出，可直接粘贴进电子表格；多栏正文按阅读顺序识别，而不是横穿整页。仅靠空格排版的表格没有框线可找，粘贴后能否对齐全凭运气，而不是设计使然。
可搜索的PDF和提取出的文字是两回事。PDF文字识别（OCR）和文档扫描让图片保持原样，把识别出的文字隐形地叠在上面：页面看起来完全一样，Ctrl+F能搜到内容了，也可以选中和复制。任何内容都不会画到页面上——这也意味着识别错误会藏在一份看起来完美的文档里。图片转文字和截图文字识别则正好相反：您得到的只有字符，没有字体、没有颜色、没有加粗，也没有图片。关于文字层有一点容易忽略——它只能包含内置字体能写出的字符，所以在相应字体上线之前，中文、日文和韩文的文字只会为您计数，而不会写入。
浏览器确实不适合的场景
图片从不离开您的设备，这是在这里识别的全部理由，而代价是处理难度大的文档时准确率会下降。这个取舍是真实存在的，值得直说，而不是藏起来。
连笔手写无法识别——这里不行，任何通用OCR工具也不行。这些是印刷体识别器：它们识别字母形状，而连笔字没有可以单独识别的字母形状。手写的印刷体字母往往识别得足够好，改一改比重新打字省事——大写字母、手填的表格、一笔一画写的便条——这就是手写文字识别存在的原因，也是它把置信度放在文字旁边的原因。要真正识别连笔字，需要专门用手写体训练的识别器，而好的那些都运行在服务器上，而不是标签页里。
处理难度大的文档，云端OCR会胜过这里。Google、Amazon和Microsoft运行的识别器，训练数据远超浏览器标签页能容纳的量，面对质量差的照片、密集的多栏页面、少见的字体或填好的表格，它们会明显更准确。ABBYY FineReader这样的付费桌面软件也一样。如果难处理文档的准确率比文档留在您自己的电脑上更重要，就用它们——这才是诚实的比较，也是您该据以做选择的标准。
批量工作属于命令行。这些工具在有人点击时识别一份文档。按计划处理两千份扫描件，应交给OCRmyPDF这样的桌面OCR工具，它一条命令就能给整个文件夹的PDF加上文字层——免费，识别方式同类，而且不用点来点去。
有些事就是不做。不做透视校正：从侧面拍的页面保持梯形，只校正旋转角度，所以从正上方拍摄值得多花一秒。严重的折痕，或书脊附近的弯曲，会保持弯曲。这里也没有摄像头功能——码识别工具解码的是您已有的图片，而不是实时画面。
在本地运行有一个实际代价：第一次使用某种语言时，识别器和语言包要从本站下载，只有几MB，但会让第一次运行比之后慢。不从任何第三方CDN获取任何内容，也不回传任何内容。
名字相近的工具怎么选
图片转文字与截图文字识别。同一个识别器，预处理不同，而这个差别不是表面上的。照片会被扶正并均衡光照；截图则只放大、其余不动，因为它没有倾斜也没有光照不均，当成有来处理反而更差。截图文字识别还支持粘贴——Ctrl+V，Mac上是Cmd+V，直接从剪贴板读取，无需先保存到磁盘。
图片转文字与文档扫描。图片转文字给您文字，丢掉图片。文档扫描保留图片，把它扶正，把墨迹后面的纸张变白，给您一个看起来像扫描件的PDF——还可以选择在后面隐形地放上文字。如果您要把文字粘贴到别处，选前者。如果您要把文档发给别人，选后者。
文档扫描与PDF文字识别（OCR）。文档扫描从照片开始，生成PDF。PDF文字识别（OCR）从已有的PDF开始，为它加上文字层。两者都不改变页面外观。拍了一份合同，您需要前者；邮件收到一份扫描件，您需要后者。
手写文字识别与图片转文字。同一个识别器，关闭了表格查找，并把置信度放在应有的显著位置，因为对于手写内容，这个数字才是结果中有用的部分。如果是连笔字，两个页面都识别不了，而手写页面会直说，而不是返回看似合理的乱码。
二维码识别与条形码识别。方形码对条纹码，值得弄清楚您手上的是哪种。二维码页面识别QR、Micro QR、Data Matrix、Aztec和PDF417——涵盖登机牌和驾照，它们的码即使看起来像一团点，也是方形格式。条形码页面识别零售和物流用的条纹格式——EAN、UPC、Code 128、Code 39、ITF——并验证校验位，即由其他数字计算出的最后一位，这决定了一个数字是可信的，还是只是看起来对。两者都不是OCR：码是几何结构已知的符号，所以解码是算术，而不是对字母形状的猜测。它们失败的方式也不同。方形码带纠错，能扛住划痕或印在中间的Logo；条纹码完全没有纠错，所以条纹上有反光就意味着读不出来，而不是读出错误的数字。