我起初也不知道OCR是什么意思，当时，我在把一些规范做成CHM格式的，有时候拿到的PDF或者扫描的规范，里面的文本文字是不能直接复制的。通过过其他人，问到了关于PDF或者扫描的识别文字问题，他说我可以找OCR文字识别软件，我说OCR是什么意思？听我们慢慢道来。

        来自百度百科的解释：

        所谓OCR （Optical Character Recognition光学字符识别）技术，是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。 　　

        由于OCR是一门与识别率拔河的技术，因此如何除错或利用辅助信息提高识别正确率，是OCR最重要的课题，ICR（Intelligent Character Recognition）的名词也因此而产生。而根据文字资料存在的媒体介质不同，及取得这些资料的方式不同，就衍生出各式各样、各种不同的应用。

        中文OCR

        光学符号识别技术是一种汉字文稿的自动输入方式，它通过光学扫描仪和计算机的配合，经OCR软件将图像数据进行运算分类后，将图像数据转化为计算机内码，可以极大减轻数据录入工作的强度，提高数据录入的速度。 　　

        文献资料的数字化录入，一般分为： 　　

        1、纯图像方式。 　　

        2、目录文本、正文图像方式。 　　

        3、全文本方式。 　　

        4、全文索引方式。文本方式和图像方式的混合体。

        我国在OCR技术方面的研究工作起步较晚，在70年代才开始对数字、英文字母及符号的识别进行研究，70年代末开始进行汉字识别的研究，到1986年汉字识别的研究进入一个实质性的阶段，不少研究单位相继推出了中文OCR产品。

        我国目前使用的文本型OCR软件主要有清华文通TH-OCR、北信BI-OCR、中自ICR、沈阳自动化所SY-OCR、北京曙光公司NI-OCR（已被中自汉王并购）等，匹配的扫描仪则使用市面上的平板扫描仪。