目录
搜「PDF 转 EPUB 工具」能搜出一百个结果。但把一个图片型 PDF 丢进去，大多数工具只会还你两种东西：一个全是空白页的 EPUB，或者一个把页面图片原封不动塞进新容器的 EPUB——字还是那么小，字号还是改不了，还是搜不了。
缺的那个环节叫 OCR（光学字符识别）。这篇文章讲清楚：OCR 在 PDF 转 EPUB 里到底要干什么、哪些 PDF 必须用它，以及怎么选一条能产出真正电子书的路线，而不是一本套着 .epub 后缀的相册。
「OCR PDF 转 EPUB」到底在做什么
普通（文字型）PDF 里有文字层——真实的字符和坐标，转换器直接读就行。
图片型 PDF 里只有文字的照片，没有任何可以「读」的东西。所以把它转成 EPUB 实际上是两步工程：
- 识别——看着每页图片，认出上面是什么字。
- 重建——搞清楚这些字如何组成段落、标题、脚注、表格和章节，再把这套结构重建成可重排的 EPUB。
大多数讲 OCR 的文章停在第一步。但转换的成败其实在第二步：就算每个字都认对了，一个分不清脚注和页码的 OCR，给你的仍然是一本没法读的书。我们之前写过结构重建失败会是什么样——双栏文字互相穿插、脚注粘进正文、标题集体消失。
你需要 OCR 吗？10 秒测试
打开 PDF，用鼠标去选中一句话。
- 文字能正常高亮 → 文字型 PDF，不需要 OCR（普通转换器就行，虽然排版还是可能因为别的原因坏掉）。
- 什么都选不中，或者一整页被当成一个图片块 → 图片型 PDF，通往 EPUB 的每条路都绕不开 OCR。
图片型 PDF 比想象中常见。最典型的是扫描书，但你还会遇到：
- 从看图软件「打印成 PDF」——截图、照片直接导出的 PDF
- 被扁平化的 PDF——有些工具导出时会把页面栅格化来锁定内容
- 加密 PDF 被「打印成图」绕过限制后的产物
- 早期软件生成的老 PDF，嵌的是页面图片而不是文字
解法都一样。
好 OCR 和差 OCR 的区别（以电子书为标准）
如果你只用 OCR 做过「让 PDF 可搜索」，那电子书转换的要求要高一个量级。重要性大致排序：
1. 字符准确率。 底线。经典翻车模式包括：rn 认成 m、中文形近字互换、1/l/I 混淆、空格丢失。99% 的准确率听着很高，实际上约等于每两行一个错。我们专门写过OCR 乱码是怎么来的。
2. 阅读顺序。 双栏、边栏、引文框必须按人类的阅读顺序读，而不是从上到下从左到右扫。这一步错了，不同栏的句子会交错成一锅粥。
3. 结构识别。 标题要变成真正的标题（EPUB 才有能用的目录），脚注要离开正文，页码和页眉要彻底消失。这是「电子书」和「文字堆」的分界线。
4. 非文字内容。 表格、公式、插图是大多数 OCR 引擎悄悄放弃的地方——表格被当纯文本读出来，就是一堆没有行列的数字汤。
传统 OCR 引擎（Tesseract 系，甚至商业的 ABBYY）第 1 点很强、第 2 点还行、第 3–4 点偏弱。这不是贬低——它们生来是做文档数字化的，不是做电子书的。新一代把 OCR 和多模态大模型结合的 AI 系统在结构上强得多，因为它们像人一样「看」页面：这是标题、那是脚注、这张表有四列。（想了解底层原理，可以看我们写的 OCR + 多模态大模型融合架构。）
各条路线的诚实对比
路线 1：OCRmyPDF + Calibre（免费，自己动手）
先用 OCRmyPDF（Tesseract 的封装）给 PDF 加文字层，再用 Calibre 转换。
- 优点： 免费、开源、隐私（全程本地），排版简单的单栏小说够用。
- 缺点： 要装两个工具、学两套用法；复杂内容就是 Tesseract 时代的准确率；Calibre 还会在上面叠加它自己的排版问题。脚注、表格、多栏排版基本活不下来。
路线 2：ABBYY FineReader（付费桌面软件）
传统 OCR 里最强的产品，能直接导出 EPUB。
- 优点： 字符准确率优秀、语言覆盖广、本地处理。
- 缺点： 每年约 99 美元起、只有桌面版，而且它的 EPUB 导出在结构上仍然吃力——整本书级别的内容需要大量手工清理。我们的详细对比写了它赢在哪、输在哪。
路线 3：Google Docs / 谷歌云端硬盘 OCR（免费，纯手工）
把 PDF 传到 Drive，用 Docs 打开自动 OCR，再把文字复制出来。
- 优点： 免费，识别效果意外地不差。
- 缺点： 结构几乎全丢、长文档会卡（得手动拆分 PDF）、图片表格直接消失。你拿到的是生文本，从生文本到 EPUB 是另一个工程。国内访问还需要额外的网络条件。
路线 4：AI 原生转换（PDF2EPUB 的做法)
上传 PDF，流水线会跑现代 OCR 加视觉大模型，重建标题、脚注、表格、公式、阅读顺序，直接输出带可用目录的成品 EPUB。
- 优点： 第一步和第二步一次搞定；不用装软件；学术论文、技术书、复杂版式这些让上面几条路线翻车的场景正是它的主场。可以先免费转一个样章，用自己的书验货再决定。
- 缺点： 免费额度之外是付费服务，而且在云端处理——如果你的文档不能离开本机，请用路线 1 或 2。
结果验收清单
不管走哪条路，拿到 EPUB 后先查这五项，再决定要不要继续读（或者继续转剩下九本）：
- 搜索一个生僻词（你在页面图上能看到的）——搜得到，说明文字层是真的。
- 改字号——文字应该重新排版；如果「页面」纹丝不动，你拿到的是图片。
- 打开目录——章节标题应该在，而且能点。
- 翻到脚注多的一页——脚注应该在正文之外。
- 找一张表格——行还是行，列还是列。
第 1–2 项不过关，说明你拿到的是纯图片 EPUB——看为什么转出来全是图片。第 3–5 项不过关，说明字认出来了但结构丢了——这是免费路线最常见的翻车方式。
常见问题
OCR 准确率真有那么重要吗？几个错别字我能忍。 几个错别字当然能忍。但 OCR 的错误是扎堆出现的——集中在斜体、小字号和特殊字体上，也就是说正文看着很干净，整段脚注或引文却可能是烂的。抽查源文件里最难看的几页，别只看最干净的。
我的 PDF 能选中文字，但复制出来是乱码，这是 OCR 的问题吗？ 这通常是文字层坏了（字体编码问题）而不是没有文字层——病不同，药一样：重新 OCR、无视原有文字层。乱码问题详解在这里。
OCR 能认手写吗？ 传统引擎：基本不行。现代视觉大模型：工整的手写越来越行，但连笔和潦草的字迹仍然错误率高。先拿一页试。
竖排古籍、繁体书怎么办？ 竖排是传统 OCR 的重灾区（阅读顺序完全不同），选工具时务必先用一页实测。多模态大模型对竖排和繁简混排的处理明显更好，但也别默认全对——古籍类内容转完抽查是必须的。
扫描分辨率有影响吗？ 影响巨大。300 DPI 是好结果的实际下限；如果扫描仪在你手里，请用 300 DPI 以上。像素里没有的信息，任何 OCR 都变不出来。
手里正好有一本图片型 PDF？用 PDF2EPUB 免费转一个样章——AI OCR 加结构重建，先用你自己的书验货，再决定要不要付费。