如何判断pdf文件中隐藏的文本层是否来自OCR？

Question

我见过一些pdf文件后，OCR有非常准确的文本(无论是在识别率，在文本对齐图像)。

如果pdf文件中隐藏的文本层是否来自OCR，那么Unix/Linux工具会帮助我知道什么呢？

Answer 1

该文件中唯一的图像是封面和背面，其余的是普通文本，而不是隐藏在扫描图像后面。

另一个表明这是排版文本，而不是OCR-ed是，特殊字体字符是正确的，尽管他们的字体和他们是排版，例如，超级集和文字在图像中，通常OCR会被混淆。

此外，pdfinfo表示该文件由DVIPSONE创建，即它是一个(La)TeX文件-> DVI -> PS，然后由Distiller 4.05 for Windows转换为PDF文件。从扫描构建的PDF文件不太可能有DVIPSONE作为创建者。