一、前言

在自動化流程中，處理來自 PDF 或影像檔的文字內容是一項常見需求。Power Automate Desktop 提供了實用的 PDF 擷取文字和 OCR 功能，幫助使用者將非結構化的數據轉換為可操作的文本。

簡單補充 OCR（Optical Character Recognition，光學字元辨識）這項技術的簡介供參考，次技術可以從圖片或文件中自動識別並提取文字，讓這些被提取的文字可以進一步被數位化處理。

在本文中，我們會簡介 Power Automate Desktop 中 PDF 擷取文字與 OCR 這兩項功能的差異，以及 OCR 引擎的運作方式及不同情境中的應用。

二、PDF 擷取文字與 OCR 的差異

1. PDF 擷取文字功能

Power Automate Desktop 的 PDF 擷取文字功能可以有效地從可選擇文字的 PDF 檔案中擷取文字內容。這適用於那些 PDF 中的文字屬於“數位文字”（如來自 Word 文件生成的 PDF），使用者能夠直接選取並複製文字。

然而，這個功能的限制在於它僅能處理那些可以被選取的文字。如果 PDF 是掃描版本，或其中的文字被轉換為圖片，這時候就無法使用 PDF 擷取文字功能，需要使用其他方法來進行文字處理。

2. OCR 辨識文字功能

OCR（Optical Character Recognition，光學字元辨識）功能是為了處理那些無法直接選擇文字的文件。OCR 能從圖片或掃描的 PDF 中自動辨識出字元，並將其轉換為文本資料。這使得無論文件是掃描影像還是圖片，都能被處理成可供自動化流程使用的文字。

兩者的應用差異：

• PDF 擷取文字：適合處理數位格式的 PDF 檔案，運行速度快且結果準確。

• OCR 辨識文字：適合處理掃描版的 PDF 或圖片檔案，處理較慢，但能涵蓋更多無法選擇文字的場景。

三、OCR 引擎介紹

目前 Power Automate Desktop 內建提供的免費 OCR 引擎有兩種，以下會簡介兩款 OCR 引擎的使用情境，可依照自身需求選用不同的引擎。

1. Windows OCR 引擎

Power Automate Desktop 提供的 Windows OCR 引擎是一個簡單、快速的工具，適合處理常見的文字辨識任務。Windows OCR 通常在處理英文或一些常見語言的文字時，能達到不錯的效果。目前也有支援繁體中文，如有繁體中文的辨識需求，以 Power Automate Desktop 內建的 OCR 引擎來說，目前僅能使用 Windows OCR 引擎來達成需求。

2. Tesseract OCR 引擎

另一個可選擇的引擎是 Tesseract OCR，一個 Google 建立的 OCR 引擎，在 Power Automate Desktop 的使用中，有支援德文、西班牙文或是法文……等語言的辨識情境，如有需要可測試看看，有機會能有不錯的辨識程度。

四、OCR 的應用：示範電子發票辨識

常用到 OCR 的情境有很多，像是發票、報表以及各種單據都很適合透過 OCR 處理。此次會採用 MOMO 購物網的電子發票作為舉例，另外也分享一個小知識給大家參考，以台灣的發票來說，因為電子發票的文字解析度較高，使用下來會比傳統發票的辨識成功度更高，建議若能統一採用電子發票，會比傳統紙本發票更為理想。同樣，如若可以選擇，建議盡可能避免手寫，電子文字的辨識度會來得更好一些。

目標讀取電子發票

RPA 讀取結果

這次用到的功能很單一，僅使用「使用 OCR 擷取文字」此動作。此動作共有 2 區塊可進行設定，第一個是「一般」，第二個是「OCR 引擎設定」。

第一個區域「一般」：

OCR 引擎類型的設定，此次選擇的是 Windows OCR 引擎，另一個 Tesseract 引擎目前無支援繁體中文，故先不使用。

接著 OCR 來源選擇磁碟上的影像，接著會跳出「影像檔路徑」的欄位，接著填寫檔案位置即可。如有其他需求想直接在畫面或是前景視窗進行選取，也可視需求彈性修改。

搜尋模式在此情境中選擇「整個指定來源」，代表 RPA 會直接讀取整個檔案，如想局部搜尋的話，也可使用僅限特定子區域，藉由 X, Y 的方式框出；又或是透過影像辨識的方式讓系統知道這次的目標抓取區域為何。

第二個區域「OCR 引擎」：

因此次圖檔有包括繁體中文的內容，故選擇「中文(繁體)」的選項即可，其餘兩個欄位不需調整。

此處比較須注意的是假設我們要採用的是英文內容，那就要注意 Windows 電腦的介面是否已安裝英文的語言，可以進到一般->時間與語言->語言與地區，確認使用的語言使否包含英文(美國)，如無，建議可透過「新增語言」來確保此功能可順利使用。

接著我們就能讓流程跑一下測試，測試後可檢視右邊流程變數所生成的內容，可發現發票文字已被截取至變數中，其中有部分文字缺漏，不過最重要的發票號碼的確有成功抓取。

參考功能畫面

參考流程運作影片

五、小結

Power Automate Desktop 提供了多樣化的工具來處理來自 PDF 和影像的文本資料。針對可選擇文字的 PDF，PDF 擷取文字功能提供了高效的解決方案；而對於無法選取的文字，OCR 功能則提供了強大的支援。根據具體的文檔格式與語言情境，Windows OCR 與 Tesseract OCR 兩種引擎各有優勢，使用者可以根據需求靈活選擇。

無論是處理中文發票還是多語言的報表，適當運用這些工具將大大提升自動化流程的效率。希望本篇文章能夠幫助你了解這些功能的差異與應用，讓你的自動化流程更加順暢！

文章同步刊載於此