如何统计 PDF 中的字数：可选文本与扫描文件 | TextToools

PDF 不一定包含字数统计工具可以读取的文本。尝试用光标选择一个句子。如果可以选中并复制文字，就把文本粘贴到字数统计工具中。如果页面像图片一样无法选择文字，则需要先用光学字符识别（OCR）将图像内容转换为文本。

两种方法都不能保证统计结果完全准确。提取过程可能遗漏或打乱内容，OCR 也可能误认字符。在采用统计结果之前，请将提取出的文本与 PDF 对照检查。

1. 使用支持选择文本的 PDF 阅读器打开文件，然后复制需要统计的段落或页面。

2. 将复制的内容粘贴到字数统计工具中。TextToools 会在浏览器中统计粘贴的文本，但不会直接打开或处理 PDF 文件。

3. 将粘贴出的内容与 PDF 对照，尤其要检查多栏、侧边栏、表格、页眉、页脚和页码。复制操作可能打乱栏目的顺序，或把每页重复的内容也算进去。

4. 删除作业或要求中不计入字数的部分，然后重新统计。保留打开的原始 PDF，以便发现遗漏的段落或重复的行。

扫描文档通常由页面图像组成，而不是可选择的文本。OCR 软件会识别图像中的字符，并生成可以检查和统计的文本。扫描页面应当清晰且方向正确；模糊、对比度低、手写或不常见的文字都可能被错误识别。

完成 OCR 后，请将结果与页面图像对照校对。特别检查姓名、数字、标点、音调符号、脚注以及多栏或表格中的内容。Google Drive 可以在 Google 文档中将 PDF 和图片转换为文本，但其帮助文档提醒，多栏和表格等复杂布局可能无法正确对齐。

OCR 只是转换步骤，并不保证识别所有可见文字。对于篇幅较长或重要的文件，请逐页核对并修正提取的文本后再统计。

对于包含文本的 PDF，可以在 Microsoft Word 中打开副本，并统计转换后的文档。Word 会将 PDF 转换为可编辑格式；Microsoft 提醒，转换后的版式可能与原文件不同，尤其是包含复杂表格、图形或多栏内容时。

应将转换后的文档视为另一种文本提取方式，而不是内容完全未变的证明。请与 PDF 对照，删除不在统计范围内的内容，并遵循提交要求指定的计数方法。

字数统计工具只能统计你提供的文本。作业说明或出版方决定标题、小标题、图片说明、引文、参考文献、脚注和附录是否计入总数。复制 PDF 前请先确认这些规则，避免意外包含或漏掉某个部分。

如果没有指定计数规则，请明确统计范围并始终使用同一方法；如果其他人需要核验结果，也应说明范围。不同计数器对连字符和其他标点的处理可能不同，因此遇到严格限制时应遵循接收方指定的方法。

PDF 可能包含个人、医疗、法律、财务或工作信息。使用 OCR 或转换服务之前，请先确认文件是否会上传、服务如何处理文件，以及所在组织是否允许使用该服务。如果文件保密，请使用获批的本地工具，不要把它发送到未经批准的网站。

获得文本后，请逐页与原文件对照，确认所有需要统计的部分都已包含，再用同一种方法统计校正后的文本。只有在符合文件敏感程度的情况下，才保存提取出的文本。

确认文本已检查且可以安全处理后，将其粘贴到 TextToools 字数统计工具中，即可查看字数、字符、句子和段落数量。统计在浏览器中完成，文本不会上传；但工具无法打开 PDF 文件，因此需要先用合适的方法提取或识别文字。

开发 TextToools 字数统计工具时，我选择在浏览器中处理文本，而不是让用户上传文档。这也意味着工具统计的是粘贴的文本，而不是 PDF 文件本身。统计文档时，我建议先检查提取结果，确保数量反映的是你真正想统计的文字。

作者：TextToools 创始人。我致力于打造尊重隐私的文本工具，因为我相信你的文本不应该离开浏览器。