在 Windows 搜尋 PDF 與 Office 檔案裡的文字

檔名與內容：要搜的是兩件不同的事

在 Windows 上，多數快速搜尋比對的是檔名。你打幾個字，工具就找名字裡含有這幾個字的檔案。 當你記得檔案叫什麼時，這很好用——Q3 預算.xlsx、錄取通知.pdf。它很快， 而且對這件事來說正是你要的。

但很多時候你根本不記得名字。你記得的是文件裡面的一句話——「每年自動續約」、某位客戶的名字、一組發票號碼。 這時檔名搜尋幫不上忙，因為它從來不會打開檔案去讀裡面寫了什麼。要比對文件寫了什麼， 你需要的是另一種搜尋：全文內容搜尋——它會把每個檔案裡的文字讀出來，讓你去搜那些文字。

為什麼文字「藏」在 .docx、.xlsx、.pptx 與 PDF 裡

先知道這些檔案為什麼對一般搜尋像是不透明的，會很有幫助。現在的 Office 檔並不是一整塊純文字—— .docx、.xlsx、.pptx 其實是一個小小的壓縮打包（一個 ZIP）， 裡面裝著好幾個 XML 部件。你在 Word 裡看到的文字，就存在那些部件裡、被標記語法包著。 用純文字檢視器打開一個，你會看到的是結構，不是乾淨的文章。PDF 又是另一回事： 它把文字連同「每一段落在頁面上哪個位置」的精確指示一起存起來， 所以可讀的字是穿插在檔案的內部版面配置裡，而不是集中在一個地方。

這些東西都不會出現在檔名上，也都無法被「不懂如何拆開各種格式」的搜尋讀到。 這就是為什麼文件內容會讓人覺得像是看不見的：文字明明在那裡，但要多一道手續才取得出來。

怎麼搜檔案裡面：先把文字建成一次索引

實用的答案，是用一個會把每個支援格式的檔案內文讀出來、把那些文字存進索引、然後去搜索引的工具。 把「讀取」這件事先做好——在檔案第一次被看到或有變動時做一次——就是之後搜尋能維持快速的原因： 當你打字時，工具查的是它早已建好的索引，而不是當場重新打開好幾千份文件。

以下是 PowerFind 讀取的幾種常見格式，各自的處理方式：

為便於說明而簡化；PowerFind 也讀取其他數種文件格式，並會隨時間持續調整。

由此延伸出幾個實用的細節。因為 PowerFind 內建自己的 PDF 文字引擎， 它不需要電腦上裝 Adobe Acrobat 或任何 PDF 閱讀器就能搜 PDF 內文——這點值得知道， 因為一台全新的 Windows 電腦往往沒有任何能為搜尋讀出 PDF 文字的東西。 又因為它直接讀 .xlsx 檔，即使沒裝 Office，試算表文字也搜得到。 以上這些讀取，全都在你自己的電腦上進行。

誠實的邊界：沒有文字層的掃描 PDF

這是少數需要特別說清楚的情況，因為它常讓人意外。不是每個 PDF 都含有文字。 從 Word、瀏覽器，或多數「另存為 PDF」指令匯出的 PDF，都有真正的文字層—— 真正的文字字元就在檔案裡，純文字搜尋讀得到它們。但一個被掃描出來的 PDF—— 書頁過掃描器、拍照，或影印成 PDF——往往只是一組頁面的影像。 在你眼裡它看起來像文字，但對電腦而言每一頁都是一張圖片，裡面沒有任何文字讓純文字搜尋去找。

要從圖片裡取出文字，是另一項工作，叫做 OCR（光學文字辨識）。 有些掃描器和 PDF 工具會自動跑 OCR，把辨識出來的文字當成一個隱藏層存在影像背後； 這麼做時，那段文字就會像任何其他 PDF 文字一樣搜得到。 但如果一個 PDF 只存了影像，那麼純文字搜尋——不管是 PowerFind 的還是任何工具的—— 都無法在裡面找到文字，因為根本沒有存下任何文字可供比對。 如果你不確定自己手上是哪一種，可以試著用滑鼠在 PDF 裡選取文字： 如果你能反白、複製一個句子，它就有文字層、搜得到；如果整頁被當成一張圖一起選起來，它就沒有。

用你記得的那句話試試

把這些合起來，流程其實很單純：不必費力回想檔名，直接打幾個你確定寫在文件裡的字。 內容搜尋會讀過它已建好索引的文字，回傳含有那句話的檔案——那份廠商合約、那份會議記錄、那份投影片—— 就算檔名什麼線索都沒有。

在 PowerFind 裡，這個內容搜尋和它的即時檔名搜尋在同一個搜尋列， 所以你從「這個檔叫什麼」切換到「它寫了什麼」時，不必換工具。 免費版每次搜尋回傳最多 20 筆內容結果；Pro 解除這個上限、結果不設限，是一次買斷、而不是訂閱制。 如果你想單獨看內容搜尋更完整的介紹，有一頁專門講 在 Windows 搜檔案內容； 這篇則專注在文件的實用教學。