把纸质合同扫描成 PDF 后，最麻烦的是搜索不到关键词、也无法复制条款。这类文件本质上是“每页一张图”，需要加一层看不见的文字，变成可搜索 PDF。做好扫描、识别、校对三步，结果才可靠。
扫描阶段的三个参数
分辨率选 300 dpi，低于 200 dpi 时小字号识别率明显下降；色彩选灰度，彩色扫描只会让文件变大；开启自动纠偏与去黑边，倾斜超过两度的页面会让整行文字错位。双面文档记得勾选双面扫描，避免漏页。
OCR 语言要按内容选
纯中文文件选简体中文；中英混排要同时勾选英文，否则英文单词会被识别成形近汉字；表格较多时开启表格识别，输出结构化的行列而不是散落的文本块。竖排文字、手写体与艺术字属于另一类模型，普通 OCR 效果有限，手写内容可参考手写体识别的处理思路。
校对环节不能省
识别完成后用搜索抽查关键数字、金额、日期与专有名词。数字最容易出错，尤其是 0 与 O、1 与 l、5 与 S。合同中的金额与期限必须逐条对照原件，不能只看识别率报告。
输出双层 PDF
正确的输出格式是“原图 + 文本层”，视觉上与扫描件完全一致，但可以搜索和复制。不要选择“仅输出文本”，那会丢失排版与印章；也不要选择纯图片，等于没做识别。
把体积控制住
彩色扫描 300 dpi 的单页可能超过 2 MB。识别后对图像做适度重采样，并清理冗余对象，具体方法见PDF 压缩到指定大小。归档用的文件建议保留 300 dpi 原图，对外传阅版再做压缩。
识别完还要翻译时
可搜索 PDF 可以直接交给文档翻译处理，页眉、表格与编号会一并保留，具体操作见整篇 PDF 文档翻译。