扫描版 PDF 比普通文本 PDF 更难整理。
很多扫描件本质上是一张张图片，没有可选择文字，也没有可读取的标题结构。
所以扫描版 PDF 通常需要先做 OCR，再生成书签。
为什么需要 OCR
OCR 会把页面图片识别成机器可读的文字。
没有 OCR，系统很难判断：
- 章节标题；
- 目录条目；
- 层级关系；
- 页面编号。
清晰扫描件通常能恢复足够结构，用来生成书签草稿。
哪些扫描件效果更好
更适合 OCR 书签提取的文件包括：
- 章节标题清晰的扫描书籍；
- 有可读目录页的归档报告；
- 分辨率较好的扫描手册；
- 页面版式一致的图片 PDF。
模糊、倾斜、裁剪严重或大量手写的文件效果会差一些。
操作流程
- 上传扫描版 PDF。
- 运行 OCR 辅助书签提取。
- 检查生成的书签树。
- 修正错误标题或目标页。
- 导出带书签的 PDF。
这个流程的价值在于：你只需要检查草稿，不用逐条从零添加。
如何提高识别效果
尽量使用最清晰的扫描版本。
建议：
- 避免低分辨率扫描；
- 避免阴影很重的页面；
- 保持页面方向正确；
- 选择章节标题样式一致的文件。
如果生成后整体跳错页，可以再做页码偏移修正。
总结
扫描版 PDF 可以自动加书签，但 OCR 质量很关键。
对于清晰的扫描书籍、手册和报告，OCR 辅助提取可以显著减少手动整理时间。