OCR, nhận dạng ký tự quang học, đọc các chữ cái trong hình chụp của trang và biến chúng thành chữ mà máy tính tìm kiếm được. PDF quét chỉ là hình ảnh, nên bạn không thể tìm kiếm, bôi chọn một câu hay sao chép một con số. Sau khi OCR thì làm được. Công cụ này làm việc đó trong trình duyệt, không giới hạn trang, và tài liệu của bạn không bao giờ bị tải lên.
Biến PDF scan thành PDF tìm kiếm được
Kết quả trông y hệt bản quét, vì các trang gốc được giữ nguyên. Bên dưới hình ảnh, một lớp chữ ẩn đã nhận dạng nằm đúng chỗ mỗi từ xuất hiện, nên khi tìm kiếm sẽ tô sáng đúng chỗ và khi bôi chọn sẽ lấy được đúng các từ bạn thấy. Muốn biết PDF đã có chữ chưa, hãy thử bôi chọn một dòng: nếu không chọn được, tệp cần OCR.
Chọn ngôn ngữ OCR
Việc nhận dạng cần biết sẽ gặp bảng chữ cái và từ ngữ nào, nên hãy chọn mọi ngôn ngữ được in trong tài liệu, ví dụ tiếng Anh và tiếng Tây Ban Nha cho một biểu mẫu song ngữ. Có hơn 100 ngôn ngữ, gồm cả tiếng Trung, Nhật, Hàn, Ả Rập, Do Thái và Hindi. Mỗi ngôn ngữ chỉ tải một lần, thường vài megabyte, sau đó trình duyệt giữ lại; dung lượng được hiển thị trước khi bắt đầu. Chọn ngôn ngữ không có trong tài liệu sẽ làm nhận dạng chậm hơn và kém chính xác hơn.
Điều gì ảnh hưởng đến độ chính xác của OCR
Với bản quét chữ in sạch, thẳng ở 300 dpi, gần như mọi từ đều được đọc đúng. Độ chính xác giảm với ảnh chụp điện thoại bị mờ, độ phân giải thấp, trang bị nghiêng hoặc cong, chữ in mờ, nền có màu, phông chữ lạ và bảng có đường kẻ sát nhau. Chữ viết tay phần lớn không được nhận dạng. Tăng độ phân giải trong cài đặt nâng cao giúp đọc chữ nhỏ, nhưng tốn thời gian hơn. Luôn kiểm tra lại tên và con số quan trọng.
Cách hoạt động
Mỗi trang được vẽ thành hình ảnh trong trình duyệt và được đọc bởi Tesseract, một công cụ OCR mã nguồn mở, chạy trên thiết bị của bạn. Các từ tìm được và vị trí của chúng được ghi vào một bản sao PDF dưới dạng lớp chữ ẩn, đồng thời gom vào tệp văn bản. Máy tính xách tay xử lý một trang trong vài giây; điện thoại chậm hơn. Tài liệu dài mất nhiều thời gian hơn nhưng không bị giới hạn, và thời gian ước tính trước khi bắt đầu cho bạn biết cần chờ bao lâu.
Mọi người dùng để làm gì, và khi nào không dùng được
Hợp đồng và thư từ đã quét, sách cũ và luận văn, biên lai và hóa đơn để làm sổ sách, tài liệu phát tay ở trường, hồ sơ lưu trữ, và mọi thứ bạn muốn tìm kiếm trên máy tính sau này.
- Bố cục không được dựng lại. PDF tìm kiếm được giữ nguyên giao diện gốc; tệp văn bản là chữ thuần. Muốn chỉnh sửa tài liệu, hãy dùng PDF sang Word sau đó.
- Chữ viết tay phần lớn không được nhận dạng.
- PDF đã có chữ thì không cần OCR; muốn lấy chữ, hãy dùng PDF sang văn bản.
- Trên điện thoại, hãy giữ màn hình sáng và để tab mở khi xử lý lâu, nếu không trình duyệt sẽ tạm dừng.