很多单位拿到的文书档案扫描件只是一堆图片，看到哪页只能翻到哪页；而可检索的双层PDF则让浏览者在阅读图像时可以直接检索、复制其中文字。这种成品形态是档案扫描与文字识别结合的产物，也是档案数字化加工提升利用效率的常见交付形式。

双层PDF由哪两层构成

所谓双层PDF，底层是忠实再现纸页原貌的扫描图像，上层是叠加在图像之上、默认不可见的文本层。屏幕显示时呈现的是图像，检索与复制时调用的是文本。两层逐页对应，文本与图像位置对齐，用户选中一段文字，高亮区域恰好落在对应的纸页图像上，实现所见即所得的利用体验。

文本层是怎样叠加上去的

加工流程通常先以三百dpi以上分辨率扫描页面，经纠偏、去污、去黑边等图像处理后送入识别系统；识别产出与每页对应的定位文本，再由工具把文本层按坐标写回图像型PDF。关键在于坐标对齐与页序一致：文本层若错位，检索高亮就会张冠李戴。因此叠层之后必须抽样试检索、试复制，确认文字可被正确选中。

双层PDF与纯图像、纯文本有何不同

纯图像PDF保真但不可检索，纯文本PDF可检索却丢失了版面与印章原貌。双层PDF兼顾两者，既保留凭证价值，又获得检索能力。加工中应同时保存校对后的纯文本底稿与定位文本层，纯文本用于全文索引与数据挖掘，定位文本用于屏幕叠加，二者都与图像页保持对应，并记录校对人与校对时间。

作为山东省档案学会单位会员，山东通科信息技术有限公司深耕档案信息化领域十余年，累计取得30余项软件著作权，持有涉密档案数字化加工资质。团队规模百余人，日扫描超50000页，配套严格保密制度，专门承接文书、科技、声像等各类档案的双层PDF加工与数据库挂接项目。