Datacap是否支持读取可搜索PDF而非使用OCR？

Datacap完全支持直接提取可搜索PDF的原生文本，无需经过OCR流程，核心依赖专门的PDF文本提取类Actions，以下是具体方案：

• ReadPDFText Action：这是最常用的原生PDF文本提取工具，可直接解析PDF中的文本流，将提取内容存入页面或字段级变量。只需在规则集中调用该Action，指定文本输出的存储位置即可，全程不触发OCR引擎。
• ExtractTextFromPDF Action：部分Datacap版本提供该Action，功能与ReadPDFText类似，专注于高效提取可搜索PDF的文本内容，适合批量处理场景。
• 配套规则配置：
  • 可先用IsPDFSearchable Action验证文档是否为可搜索类型，避免无效流程
  • 务必跳过OCR相关规则分支，比如不要调用RecognizePage这类依赖OCR识别的Action
  • 提取文本后，可复用LocateText、PatternMatch等文本分析Action定位具体字段，逻辑和处理OCR结果一致，只是数据源替换为PDF原生文本

注意事项 #

• 若PDF存在加密或权限限制，需先通过DecryptPDF Action解锁，否则无法正常提取文本
• 对于包含嵌入式字体但文本可选中的PDF，上述Actions依然有效，因为它们读取的是PDF底层的文本流，而非依赖图像识别

内容的提问来源于stack exchange，提问作者user3067752