Перейти к содержимому
  1. Главная
  2. OCR для PDF

OCR для PDF

Распознавание текста в PDF: отсканированный документ превращается в PDF с поиском, из которого можно копировать, плюс простой текстовый файл. Работает на вашем устройстве, без лимита страниц.

Ничего не загружается Бесплатно, без регистрации Без ограничения по страницам

Как это работает:

  • Извлечь текст: Использует Tesseract OCR для распознавания текста на отсканированных изображениях или PDF.
  • Вывод с возможностью поиска: Создаёт новый PDF с невидимым текстовым слоем, делая ваш документ полностью доступным для поиска при сохранении исходного вида.
  • Фильтрация символов: Используйте белые списки для фильтрации нежелательных символов и повышения точности для конкретных типов документов (счета, формы и т.д.).
  • Поддержка нескольких языков: Выберите несколько языков для документов со смешанным языковым содержимым.

Нажмите, чтобы выбрать файл или перетащите его сюда

Ваши файлы не покидают ваше устройство.

Как распознать текст в PDF

  1. Добавьте отсканированный PDF

    Любой длины. Файл остаётся на вашем устройстве.

  2. Выберите языки

    Отметьте языки, на которых напечатан документ. Вы увидите, сколько языковых данных скачается и примерно сколько это займёт времени.

  3. Начните OCR

    Прогресс показывается постранично, отменить можно в любой момент.

  4. Сохраните PDF или текст

    Скачайте PDF с поиском, текст файлом .txt или сразу скопируйте текст.

Что вы получите

Search for "total": no results
До
Same page, now with text: search, select, copy
После
Что вы получаете после OCR
Вы получаете Что это Для чего
PDF с поиском Ваши исходные страницы с невидимым текстом поверх слов Поиск, копирование, архив, отправка
Текстовый файл (.txt) Весь распознанный текст по страницам, без вёрстки Цитаты, заметки, перенос текста в другие приложения

OCR, оптическое распознавание символов, читает буквы на изображении страницы и превращает их в текст, по которому компьютер может искать. Отсканированный PDF состоит только из картинок, поэтому в нём нельзя искать, выделить предложение или скопировать число. После OCR можно. Этот инструмент делает это в браузере, без лимита страниц, и ваш документ никуда не загружается.

Сделать отсканированный PDF доступным для поиска

Результат выглядит точно как ваш скан, потому что исходные страницы сохраняются. Под картинкой лежит невидимый слой распознанных слов, каждое на своём месте, поэтому поиск подсвечивает нужное место, а при выделении копируются именно те слова, которые вы видите. Чтобы проверить, есть ли в PDF текст, попробуйте выделить строку: если не получается, нужно распознавание.

Выберите языки для OCR

Распознаванию нужно знать, какой алфавит и какие слова ожидать, поэтому выберите все языки, на которых напечатан документ, например английский и испанский для двуязычной анкеты. Доступно более 100 языков, в том числе китайский, японский, корейский, арабский, иврит и хинди. Каждый язык скачивается один раз, обычно несколько мегабайт, и потом хранится в браузере; объём показывается до начала. Лишние языки, которых нет в документе, замедляют распознавание и снижают точность.

Что влияет на точность OCR

На чистом ровном скане печатного текста с разрешением 300 dpi почти каждое слово распознаётся верно. Точность падает на размытых фото с телефона, при низком разрешении, на перекошенных или изогнутых страницах, бледной печати, цветном фоне, необычных шрифтах и в таблицах с плотными линиями. Рукописный текст в основном не распознаётся. Повышение разрешения в расширенных настройках помогает с мелким шрифтом, но занимает больше времени. Всегда проверяйте важные для вас имена и числа.

Как это работает

Каждая страница отрисовывается как изображение в браузере и читается Tesseract, движком OCR с открытым исходным кодом, который работает на вашем устройстве. Найденные слова и их положение записываются в копию вашего PDF как невидимый текстовый слой и собираются в текстовый файл. Ноутбук обрабатывает страницу за несколько секунд, телефон медленнее. Длинные документы занимают больше времени, но ограничений нет, а оценка до начала подскажет, чего ожидать.

Для чего это нужно и когда не сработает

Отсканированные договоры и письма, старые книги и диссертации, чеки и счета для бухгалтерии, школьные раздаточные материалы, документы из архива и всё, в чём вы потом захотите искать на компьютере.

  • Вёрстка не восстанавливается. PDF с поиском сохраняет исходный вид; текстовый файл содержит простой текст. Чтобы редактировать документ, потом воспользуйтесь PDF в Word.
  • Рукописный текст в основном не распознаётся.
  • PDF, в которых уже есть текст, не нуждаются в OCR; чтобы получить их текст, воспользуйтесь PDF в текст.
  • На телефоне во время долгой обработки держите экран включённым, а вкладку открытой, иначе браузер её приостановит.

Вопросы и ответы

Что такое OCR в PDF?
Это распознавание текста: буквы на отсканированных страницах считываются и добавляются в PDF как настоящий текст, чтобы его можно было искать и копировать.
Как сделать PDF с поиском по тексту?
Добавьте файл на этой странице, выберите языки документа и нажмите «Начать OCR». Когда всё будет готово, скачайте PDF с поиском.
Как понять, есть ли в PDF текстовый слой?
Попробуйте выделить строку текста или найти слово, которое видно на странице. Если ничего не выделяется и не находится, страницы это картинки, и им нужно распознавание.
Почему распознался не весь текст?
Обычно скан размытый, перекошенный или низкого разрешения, либо среди выбранных нет нужного языка. Попробуйте разрешение повыше и правильные языки.
Сохраняет ли OCR вёрстку?
PDF с поиском выглядит точно как скан. В текстовом файле только слова, без вёрстки.
Распознаёт ли OCR рукописный текст?
В основном нет. Он рассчитан на печатный текст; аккуратные печатные буквы иногда распознаются.
Есть ли лимит страниц?
Нет. Длинные документы просто обрабатываются дольше, а примерное время показывается до начала.
Мой файл куда-то загружается?
Нет. Распознавание идёт в браузере. Скачиваются только языковые данные, один раз, а ваш документ не покидает устройство.

Обновлено Работает без интернета после загрузки страницы и языковых данных