PDF 是「什么都能装」的容器格式，这份便利同时也是它的麻烦：同一个扩展名下可能是电子件、扫描件、带权限的文档、甚至只是几张图片。多数 PDF 相关的求助最终落在四类问题上——打不开、搜不到、太大、合并后乱了。
本文按这四类展开。工具清单见站内的 PDF 使用指南，这里补的是判断依据与处理顺序。
先分清：电子件还是扫描件
这是所有 PDF 处理的第一个分岔，因为它决定后续每一步的可行路径。
电子件有真实的文字层。文字可以被复制、搜索、编辑，文件体积小。它通常由文字处理器或排版软件生成。
扫描件本质是图片。看起来有文字，是因为 OCR（光学字符识别）在图片上跑了一遍，把识别结果作为不可见的文字层附着在图片上。这个文字层有三大特性：
- 准确率 85%–98%，取决于扫描质量与字体
- 错误集中在低频字符、标点和数字 —— 汉字与常用字母识别得好，
l/O/1/0这类混淆得厉害 - 不可编辑 —— 在阅读器里选中文字复制出来的是 OCR 的猜测结果，不是原文
判断方法很简单：试着选中并复制一段文字。复制不出来或复制出乱码，多半是扫描件；能正常复制且文字正确，就是电子件。
这个分岔直接影响能力边界：需要编辑 PDF 内容，就必须先 OCR，而 OCR 的质量决定了后续所有操作的上限。
打不开还是不能复制：两种密码
PDF 的加密常被误解成一个开关，实际上是两层。
| 类型 | 决定什么 | 表现 |
|---|---|---|
| owner password（所有者密码） | 能否打开文件 | 不给就进不去 |
| user password（用户密码） | 打开后能做什么 | 能打开但禁止打印/复制 |
所以「文档打不开」和「文档能开但复制不了」是两个完全不同的问题。前者需要 owner password（本站的 PDF 加密工具 可以设置），后者只是权限限制。
移除 owner password 必须提供原密码 —— 这是格式的设计，不是工具的缺陷。本站的 PDF 解密工具 适用于已知密码的场景；忘记密码的加密 PDF 在密码学上不可破解，只能回到备份。
另一个容易踩的点：某些 PDF 声称「已加密」其实只是设了权限密码，文件本身是能正常打开的。用专门的检测手段先确认是哪一种，再决定处理方式。
搜不到：OCR 文字层不可靠
扫描件的搜索行为有个隐蔽特征：它似乎能用，但结果不可信。
具体到症状：搜 lO1（小写 L、大写 O、数字 1）找不到本该命中的 101，因为 OCR 把某个 1 认成了字母 l。搜人名可能命中形近字。复制出来的编号做数据处理会得到错乱的数字——因为 OCR 把 0 认成 O、把 1 认成 l。
分两种目标处理：
归档检索 → 用图像级搜索。它对整页做视觉匹配或对版面做结构化识别，不依赖 OCR 的逐字结果，反而更可靠。
内容编辑 → 先 OCR，然后人工抽查关键字段。金额、编号、日期是错误后果最严重的三类。抽查比例按业务风险定：如果是财务凭证，抽查比例可能要高得多。
太大：压图片
扫描件 PDF 的体积构成很极端：约 95% 是图片，文字层只占几十 KB。
这解释了为什么通用的「压缩文档」往往无效——它优化的是字体嵌入、对象结构和元数据，而这些本来就只占微不足道的比例。真正的杠杆在内嵌图片上：
- 分辨率从 300dpi 降到 150dpi（印刷级降到屏幕级，肉眼几乎无差别）
- 无损 PNG 换成有损 JPEG（质量 0.6–0.8）
- 单色扫描件（如纯文字合同）转成灰度或位图
这三项合起来通常能降 60%–80%。本站的 PDF 压缩工具 走的就是图片级压缩路线。
一个容易忽略的坑：有些工具的默认选项只做结构压缩，需要显式选择「图像压缩」那一档，否则你会发现压了半天体积几乎没变。
合并与拆分：书签和链接的牺牲品
合并 PDF 时最容易出问题的不是页序，而是结构信息。
原文档里的书签（outline）、章节跳转、表单域值、以及指向文内其他位置的链接，都依赖文档内部的页码与对象引用。简单工具的合并方式是把页面对象堆到一起，这些引用就全乱了：
- 书签可能指向错误的页码（更糟的是指向一个存在但无关的页）
- 内部链接跳到别处或失效
- 表单域值丢失
处理顺序：
- 用支持结构化操作的工具（明确保留 outline）
- 合并后逐个点击验证书签与链接
- 如果原文档之间有交叉引用，放弃合并 —— 改为在网页或文档系统里提供多个独立 PDF 加一个索引页，这比修链接可靠得多
拆分（用 PDF 裁剪工具 或按页拆）同样受影响，因为它可能重排页码。拆完后如果原文档有书签，需要确认书签是否还能对应。
自查清单
- [ ] 先判断是电子件还是扫描件（试着选中并复制文字）
- [ ] 分清是 owner password 挡着打不开，还是 user password 限制操作
- [ ] 归档检索用图像级搜索，不依赖 OCR 文字层
- [ ] 内容编辑前先 OCR，并人工抽查金额/编号/日期
- [ ] 压缩时压图片（降 dpi + 换 JPEG），不是压文档结构
- [ ] 合并后逐个验证书签与内部链接；跨文档互链考虑不合并
- [ ] 拆分后确认原书签是否仍对应
可复现的实测结果
用本站的 PDF 加密工具 分别设置两层密码后，可以直接观察：只设 user password 时文件仍能打开但打印被禁用；加上 owner password 后不提供密码就打不开。本站的 PDF 提取工具 对电子件能提取出完整文字，对扫描件只能拿到 OCR 结果——这个差异本身就是判断文件类型的手段。