OCR, аптычнае распазнаванне сімвалаў, чытае літары на выяве старонкі і ператварае іх у тэкст, па якім камп’ютар можа шукаць. Адсканаваны PDF складаецца толькі з выяў, таму ў ім нельга шукаць, вылучыць сказ або скапіяваць лічбу. Пасля OCR можна. Гэты інструмент робіць гэта ў браўзеры, без ліміту старонак, і ваш дакумент ніколі не загружаецца.
Як зрабіць пошук па адсканаваным PDF
Вынік выглядае дакладна як ваш скан, бо арыгінальныя старонкі захоўваюцца. Пад выявай ляжыць нябачны пласт распазнаных слоў, кожнае на сваім месцы, таму пошук падсвечвае патрэбнае месца, а вылучэнне захоплівае тыя словы, што вы бачыце. Каб праверыць, ці ёсць у PDF тэкст, паспрабуйце вылучыць радок: калі не атрымліваецца, патрэбны OCR.
Выбар моў для OCR
Распазнаванню трэба ведаць, які алфавіт і якія словы чакаць, таму выберыце ўсе мовы, на якіх надрукаваны дакумент, напрыклад англійскую і іспанскую для двухмоўнай формы. Даступна больш за 100 моў, у тым ліку кітайская, японская, карэйская, арабская, іўрыт і хіндзі. Кожная мова спампоўваецца адзін раз, звычайна некалькі мегабайт, і потым захоўваецца ў браўзеры; памер паказваецца да пачатку. Лішнія мовы, якіх няма ў дакуменце, робяць распазнаванне павольнейшым і менш дакладным.
Што ўплывае на дакладнасць OCR
На чыстым роўным скане друкаванага тэксту з раздзяляльнасцю 300 dpi амаль кожнае слова чытаецца правільна. Дакладнасць падае на размытых фота з тэлефона, пры нізкім разрозненні, на перакошаных або загнутых старонках, бледным друку, каляровым фоне, незвычайных шрыфтах і ў табліцах са шчыльнымі лініямі. Рукапісны тэкст збольшага не распазнаецца. Павелічэнне раздзяляльнасці ў дадатковых наладах дапамагае з дробным шрыфтам, але займае больш часу. Заўсёды правярайце імёны і лічбы, на якія вы спадзяецеся.
Як гэта працуе
Кожная старонка малюецца як выява ў вашым браўзеры і чытаецца Tesseract, рухавіком OCR з адкрытым кодам, які працуе на вашай прыладзе. Знойдзеныя словы і іх пазіцыі запісваюцца ў копію вашага PDF як нябачны тэкставы пласт і збіраюцца ў тэкставы файл. Ноўтбук апрацоўвае старонку за некалькі секунд; тэлефон павольней. Доўгія дакументы займаюць больш часу, але ліміту няма, а ацэнка перад пачаткам падкажа, чаго чакаць.
Для чаго гэта выкарыстоўваюць і калі не спрацуе
Адсканаваныя дагаворы і лісты, старыя кнігі і дысертацыі, чэкі і рахункі для бухгалтэрыі, школьныя матэрыялы, архіўныя запісы і ўсё, па чым вы захочаце потым шукаць на камп’ютары.
- Макет не аднаўляецца. PDF з пошукам захоўвае арыгінальны выгляд; тэкставы файл гэта просты тэкст. Каб рэдагаваць дакумент, скарыстайцеся потым PDF у Word.
- Рукапісны тэкст збольшага не распазнаецца.
- PDF, у якіх ужо ёсць тэкст, не патрабуюць OCR; каб атрымаць іх тэкст, скарыстайцеся PDF у тэкст.
- На тэлефоне не выключайце экран і не закрывайце ўкладку падчас доўгай апрацоўкі, інакш браўзер яе спыніць.