最后更新: 20 Aug, 2026
历史和手写文档的 OCR 文件格式 通过数字化保存文化遗产已进入复兴时期。早期的光学字符识别（OCR）系统旨在解析整洁的、机器印刷的二十世纪文件，而现代文化遗产机构面临更为混乱、更加丰富的挑战：中世纪手稿、十九世纪的草写信件、易碎的彩绘卷轴以及百年老登记册。
转录历史文献不再仅仅是提取纯ASCII文本。它需要捕获上下文——页面的物理几何形状、基线曲线、渗透校正、边注、缩写以及古文字学的不确定性。这个专门领域通常归类于手写文本识别（HTR），在很大程度上依赖于用于存储和交换图像坐标及文本层的文件格式。
选择错误的模式可能会剥夺关键的基线数据，破坏与 IIIF（International Image Interoperability Framework）清单的对齐，或阻碍长期数字保存。以下是一份关于历史文献的主流 OCR 与 HTR 文件格式的权威指南，涵盖它们的结构优势以及如何为您的档案流水线确定最佳选择。
历史困境：为什么纯文本和标准PDF会失败 机器打印的 OCR 通常输出简单的 .txt 文件或带有隐藏文本层的"夹心" PDF（位于扫描图像下方）。对于历史手稿和连笔手写，这些输出因以下三个核心原因而失效：
非线性文本和复杂布局： 历史抄写员并未遵循整齐的矩形网格。文本会流入页边，环绕装饰首字母，穿插于插入的行间批注之间，或沿书脊垂直排列。 弯曲和倾斜的基线： 草写文字很少遵循严格的水平轴线。像 Transkribus、Kraken 和 eScriptorium 这样的手写文本识别（HTR）引擎依赖多段线基线，而非边界框，以解释连字密集的手稿。 古文字学复杂性与元数据： 档案研究需要追踪缩写、历史拼写变体、损毁的读法以及行级置信度分数。标准文档格式会丢弃这些细粒度信息。 为了保持对原始文物的忠实，档案界依赖于旨在在转录文本的同时保留布局拓扑的结构化 XML 架构。
1. PAGE XML：手写文本识别（HTR）的黄金标准 由 PRImA（模式识别与图像分析）研究实验室开发的 PAGE XML（页面分析与真值元素），被广泛认为是手写文本识别和高级布局分析的最先进格式。
核心架构 PAGE XML 将实体文档视为层级结构：
PcGts（根） Page (图像尺寸和整体阅读顺序) TextRegion (段落、标题、边注、页首词) TextLine Coords (围绕该行的多边形坐标) Baseline (一系列沿文字真实基线的点) TextEquiv (识别的文本，可选的置信度指标) 为何它在历史手稿中表现出色 多边形和折线精度: 与其将字符强制放入矩形边框，PAGE XML 使用多点多边形边界和连续基线。这可以防止重叠的连笔上升部和下降部干扰分割。 细粒度结构类型: 区域可以精确分类（例如 marginalia、drop-capital、signature-mark、header、editorial-note）。 广泛的软件生态系统： 它作为旗舰 HTR 平台（如 Transkribus、eScriptorium 和 Kraken）的主要内部和导出模式。 2.最近更新: 12 Jan, 2026
光学字符识别（OCR）已经不再仅仅是把扫描页面转换为可读文本。在当今数据驱动的世界里，您选择的 OCR 输出格式会直接影响可搜索性、合规性、长期保存、自动化以及与现代应用的集成。从简单的文本提取到结构化、机器可读的数据，每种格式都有其独特的用途。
在本详细指南中，我们将比较最常用的 OCR 输出格式——TXT、PDF、PDF/A、XML 和 JSON，帮助您为工作流选择合适的格式，无论您是构建开源 OCR 流水线、企业文档系统，还是 AI 驱动的分析平台。
什么是 OCR，输出格式为何重要？ OCR 将文本图像（扫描文档、照片、PDF）转换为机器编码的文本。此过程解锁了搜索、编辑和分析先前静态内容的能力。然而，原始文本数据必须被结构化并打包成可用的格式。
输出格式决定了：
可访问性：您能多容易读取和搜索内容？ 保存性：是否保持原始布局和视觉完整性？ 互操作性：其他软件和系统能否轻松使用这些数据？ 可编辑性：修改提取的文本有多简单？ 元数据与结构：是否保留字体、位置或逻辑层次（标题、段落）等信息？ 选择不当可能导致格式丢失、集成困难，或文档不符合归档要求。
OCR 输出格式深度对比 1. TXT（纯文本） 最简单、最通用的格式。TXT 文件仅包含提取的字符序列，不带任何样式、图像或布局数据。
您得到的内容：原始文本。换行和间距通常基于 OCR 引擎的最佳猜测。
优势：
极其轻量：文件体积极小。 通用兼容：任何设备、任何文本编辑器均可打开。 适合文本分析：非常适合数据挖掘、自然语言处理（NLP）或关键词索引。 完全可编辑：复制、粘贴、修改都很方便。 劣势：
所有格式均丢失：字体、加粗、列、页面结构全部消失。 无图像：嵌入的图形或照片会被舍弃。 可视化表现差：与源文档的视觉相似度极低。 最佳用途：提取纯文本用于分析、简单搜索索引或存储空间受限的场景。不适合文档归档或需要保持格式的报告。
SEO 说明：可将扫描文档转换为可爬取的纯文本内容，便于在网页上发布，搜索引擎能够轻松解析纯文本。
2. PDF（可搜索 PDF - 标准） OCR 生成的 PDF（常称为“可搜索 PDF”或“带文本层的 PDF））在原始扫描图像后面嵌入了不可见的识别文本。
您得到的内容：外观与原始扫描完全相同的文档，同时可以选择、搜索和复制文本。
优势：
保留原始布局与外观：字体、列、图像和图形均保持。 可搜索且可选择：兼具视觉保真度和文本功能。 广泛接受：全球文档共享的标准。 劣势：
文件体积更大：同时包含图像和文本层。 结构化数据有限：虽然可搜索，但并不固有地识别标题与段落。 专有编辑：高级文本层编辑需使用特定工具（如 Adobe Acrobat）。 最佳用途：需要保持原始外观同时实现文本搜索的文档共享。常见于法律、学术和商务往来。最近更新: 05 Jan, 2026
如果你曾经扫描过文档并好奇计算机是如何将文本图像转换为可搜索、可编辑的内容，那么你已经接触到了 光学字符识别（OCR） 的世界。但故事并不止于从图像中提取文本，真正的魔力在于这些信息如何被存储和结构化。
当你对历史档案进行数字化、处理商务发票，或 将印刷书籍转换为数字图书馆 时，选择合适的 OCR 输出格式 变得至关重要。当前有三种主流格式主导这一领域：HOCR、ALTO 和 PDF/A。它们各自服务于不同的目的，了解它们的差异可以为你节省大量的时间和精力。
下面，我将带你全面了解这些格式，从技术基础到实际应用。
什么是 OCR 文件格式？ 在深入具体格式之前，先明确 OCR 文件格式 的作用。当 OCR 软件处理文档时，它不仅提取纯文本，还捕获宝贵的结构和位置信息，包括：
文本内容：实际的单词和字符 布局信息：文本在页面上的位置（段落、列、标题） 格式数据：字体样式、大小和颜色 置信度分数：OCR 引擎对每个字符的确定程度 结构层次：章节、节、标题和脚注 OCR 文件格式将这些丰富的元数据与提取的文本一起打包，生成原始文档的数字孪生，保持其视觉和结构完整性。
HOCR：基于 HTML 的竞争者 什么是 HOCR？ HOCR（HTML OCR 的缩写）是一种开放标准，将 OCR 结果嵌入 HTML 文件中。它是 Tesseract OCR 引擎生态系统的一部分，使用标准 HTML 标记并通过自定义类和属性来表示 OCR 数据。
技术结构 典型的 HOCR 文件看起来像普通的 HTML，只是带有专用元素：title 属性包含边界框坐标（bbox），精确定位页面上每个文本元素。最后更新：29 Dec, 2025
在文档数字化的世界里，OCR（光学字符识别） 常被视为最后一步——扫描、识别文本、归档，完成。但现代合规、自动化和数据驱动的工作流需要的不仅仅是可搜索的 PDF。它们需要可追溯性、机器可读的结构以及长期归档的保证。
这正是 PDF/A-3 进入舞台的地方——它常被误解，有时甚至有争议，但力量不可否认。许多开发者称它为“混合怪兽”，因为它允许早期的 PDF/A 标准严格禁止的操作：将原始源文件直接嵌入归档 PDF 中。
让我们一起探讨 PDF/A-3 的真实含义、它为何对 OCR 工作流至关重要，以及嵌入原始数据如何在现代时代改变文档处理。
什么是 PDF/A-3？ PDF/A-3 是用于长期存档电子文档的 ISO 标准（ISO 19005-3）的第三部分。与主要关注视觉再现的 PDF/A-1 和 PDF/A-2 不同，PDF/A-3 引入了一项突破性功能：嵌入文件附件。
可以把它想象成一个数字容器，您可以放入：
扫描文档的可视化表现（通常是 PDF） 原始源文件（Word 文档、Excel 表格、CAD 图纸） OCR 文本输出 元数据和补充信息 数据库导出或 XML 文件 所有这些都被包装在一个单一、标准化的包中，旨在数十年后仍可访问。
OCR 的难题：美观的图片 vs. 可用的数据 先说说典型的 OCR 工作流。
您扫描了一堆 100 张发票。OCR 软件处理它们，识别文本并创建一个“可搜索的 PDF”。这在图像上叠加了一层不可见的文本。
问题是什么？ 这层文本是非结构化的。如果您尝试将 PDF 中的表格复制粘贴到 Excel，往往会得到一团乱麻。PDF 知道字母是什么，但它并不“理解”这数字是税额，总额是发票日期。
这正是 PDF/A-3 混合工作流 改变游戏规则的地方。
“混合”解决方案 现代 OCR 引擎现在可以：