根据此网站http://www.searchable-pdf.com/content.php?lang=en&c=61，可以在添加文字图层时搜索PDF。
我一直在寻找PDF的技术规范。我认为文本可以通过两种方式存储到PDF中： a）作为图像层上方的文本层（如上面的网页所述） b）当您从Word文档（带文本）创建PDF时，我认为Word不会将所有文本存储在文本图层中。我认为它会将它存储在图像层中？正确？
自PDF 1.4起，已添加XMP（http://en.wikipedia.org/wiki/Extensible_Metadata_Platform）。但什么是XMP？这是我上面讨论的“文本层”吗？
如果扫描仪正在对图像执行OCR，是否将文本存储在“文本图层”中？还是“XMP”领域？这只能是PDF版本为1.4的时候？
如何检测PDF是否已有文本数据？例如：PDF A已使用OCR扫描而PDF B未扫描。我怎么知道应该将PDF B发送到单独的OCR引擎？
答案 0 :(得分：9)
PDF规范没有提到“文本层”。通常，只有一种方法可以“存储”文本：通过显示运算符的文本。这些操作符使用特定颜色，字体，字体大小和文本呈现模式在特定位置绘制文本。有几种文本渲染模式。为了回答您的问题，文本可以是可见的或不可见的。
执行OCR的扫描仪，将光栅图像和文本呈现给PDF文档。使用不可见文本呈现模式呈现文本。结果是您可以使用鼠标选择文本（突出显示的区域将显示在图像顶部的预期位置），您可以搜索文本。搜索结果将再次显示在正确的位置。
从Word文档生成PDF时会发生什么情况取决于您用来转换的软件。据我所知，这些转换器不会生成图像，但会生成可见文本。
XMP是元数据而非可视数据。
最后，关于检测PDF是否包含文本数据的问题，此处为similar question。
答案 1 :(得分：4)
我赞成了Frank Rem的回答，因为它是'完整的'。
让我补充一些细节：
Tr，PDF中的文本呈现模式3 运算符：“既不填充也不描边文字” {{3 }}。