OCR, оптичне розпізнавання символів, зчитує літери на зображенні сторінки й перетворює їх на текст, у якому комп’ютер може шукати. Сканований PDF складається лише з картинок, тож у ньому не можна шукати, виділити речення чи скопіювати число. Після OCR можна. Цей інструмент робить це у вашому браузері, без ліміту сторінок, і ваш документ ніколи не вивантажується.
Зробити сканований PDF доступним для пошуку
Результат виглядає точно як ваш скан, бо оригінальні сторінки зберігаються. Під зображенням лежить невидимий шар розпізнаних слів, кожне на своєму місці, тож пошук підсвічує правильне місце, а виділення тексту захоплює ті слова, які ви бачите. Щоб перевірити, чи вже є в PDF текст, спробуйте виділити рядок: якщо не вдається, потрібне OCR.
Вибрати мови для OCR
Розпізнаванню треба знати, яку абетку й які слова очікувати, тож виберіть кожну мову, якою надруковано документ, наприклад англійську й іспанську для двомовного бланка. Доступно понад 100 мов, серед них китайська, японська, корейська, арабська, іврит і гінді. Кожна мова завантажується один раз, зазвичай кілька мегабайтів, і далі зберігається у вашому браузері; розмір видно перед початком. Якщо вибрати мови, яких немає в документі, розпізнавання стане повільнішим і менш точним.
Що впливає на точність OCR
На чистому рівному скані друкованого тексту з роздільністю 300 dpi майже кожне слово розпізнається правильно. Точність падає на розмитих фото з телефона, за низької роздільності, на перекошених чи вигнутих сторінках, при блідому друці, кольоровому фоні, незвичних шрифтах і в таблицях із щільними лініями. Рукописний текст здебільшого не розпізнається. Вища роздільність у розширених налаштуваннях допомагає з дрібним шрифтом, але займає більше часу. Завжди перевіряйте імена й числа, на які покладаєтеся.
Як це працює
Кожна сторінка малюється як зображення у вашому браузері й зчитується Tesseract, рушієм OCR з відкритим кодом, що працює на вашому пристрої. Знайдені слова та їхні позиції записуються в копію вашого PDF як невидимий текстовий шар і збираються в текстовий файл. Ноутбук обробляє сторінку за кілька секунд; телефон повільніше. Довгі документи займають більше часу, але обмежень немає, а оцінка перед початком підкаже, чого очікувати.
Для чого це використовують і коли не спрацює
Скановані договори й листи, старі книжки й дисертації, чеки й рахунки для бухгалтерії, шкільні роздаткові матеріали, архівні записи і все, у чому ви згодом захочете шукати на комп’ютері.
- Макет не відтворюється. PDF із пошуком зберігає оригінальний вигляд; текстовий файл містить простий текст. Щоб редагувати документ, скористайтеся потім PDF у Word.
- Рукописний текст здебільшого не розпізнається.
- PDF, у яких уже є текст, не потребують OCR; щоб отримати їхній текст, скористайтеся PDF у текст.
- На телефоні не вимикайте екран і не закривайте вкладку під час довгих завдань, інакше браузер їх призупинить.