Agent Skills
返回列表
腾讯云 PDF 可搜索 OCR

腾讯云 PDF 可搜索 OCR

办公效率 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_7b24470b/pdf-ocr-tencent。

技能介绍

要解决什么问题

扫描件或导出成图片层的 PDF，在系统预览和浏览器里往往只能翻页看图，Ctrl+F 搜不到字、也复制不出正文。若你手头是中文合同、票据或档案扫描版，手工重打或换桌面 OCR 再排版，成本高且格式难对齐。

本技能面向「图片型 PDF → 可搜索 PDF」：保留原页为底图，再叠一层与识别结果对齐的透明文字层，便于检索与复制。

如何工作

流程大致是：用 PyMuPDF（fitz） 把每一页渲染成图，调用腾讯云 GeneralAccurateOCR 拿到文本块与坐标，再把文字写回 PDF。调用侧不依赖腾讯云官方 SDK，而是在脚本里手写 TC3-HMAC-SHA256 签名直调 HTTP API。

实现上有几处容易踩坑的细节：

  • 签名时间戳须用 utcfromtimestamp，误用 fromtimestamp(tz=UTC) 会导致日期差 8 小时，出现 AuthFailure
  • 坐标来自 OCR 返回的 ItemPolygon（X/Y/Width/Height 等大写字段），写入前要做 Y 轴翻转以匹配页面坐标
  • 文字层字体须设为 fontname="china-s"（宋体）；默认 Helvetica 中文不可见，表现为搜不到、看不见字

输入为待处理 PDF 路径；输出路径可选，未指定时会在原文件名后加 _可搜索.pdf 后缀。

适用边界与注意点

  • 中文印刷体扫描件、合同/文档类材料匹配度最高；英文一般可用；手写体仅作尝试，文档中也建议走专业 OCR
  • 腾讯云 GeneralAccurateOCR 有免费额度（文档写明每月约 1000 次）；页数多时逐页调 API，大文件（例如 225 页）可能需 15～30 分钟
  • 页图会上传至腾讯云处理，涉及隐私与合规时需自行评估；SecretId/SecretKey 建议用环境变量 TENCENTCLOUD_SECRET_ID、TENCENTCLOUD_SECRET_KEY、TENCENTCLOUD_REGION，避免长期硬编码在脚本里

使用场景

  • 法务收到对方盖章扫描的合同 PDF，需在版式不变的前提下用 Ctrl+F 检索条款与金额。
  • 财务将纸质发票、回单扫描成 PDF 归档，希望同事能复制税号、金额而不用重打。
  • 档案岗位批量处理中文扫描件入库，输出底图不变、带透明文字层、可复制正文的可搜索 PDF。
  • 内部脚本维护者不想装腾讯云 SDK，却要对图片型 PDF 逐页 OCR 并写回对齐的文字层。

适合人员

  • 每周处理多份扫描合同、要用关键词定位违约责任与付款条款的法务或商务支持。
  • 负责票据影像归档、需要在 PDF 内复制税号与金额给审计或报销系统的财务或出纳。
  • 编写文档处理流水线、倾向手写 TC3 签名直调 API 而非引入官方 SDK 的后端或自动化作者。
  • 推进档案数字化、要把中文扫描 PDF 批量变成可检索、可复制电子档的项目档案管理员。