OCR-скановані PDF-файли: як зробити їх доступними для пошуку
У вас є стос відсканованих контрактів, розділ старої книги, який ви сфотографували, або папка із зображеннями квитанцій. Вони виглядають як PDF-файли, але ви не можете шукати в них, копіювати з них текст або вставляти назву у вікно пошуку. Ласкаво просимо у світ «файлів PDF із зображеннями» — і OCR — це ваш вихід.
Що насправді робить OCR?
OCR (оптичне розпізнавання символів) читає кожну сторінку так, як це робила б людина: вона визначає форми літер, групує їх у слова та записує ці слова як текстовий шар позаду вихідного зображення. Сторінка все ще виглядає ідентично — але тепер її також можна шукати, копіювати та редагувати.
Очікування щодо точності
- Чіткий друкований текст: точність 95–99%
- Газети/старіші книги: 90–95%
- Сканування чистих документів телефоном: 88–94%
- Почерк: 50–80%, сильно залежить від автора
- Математичні/хімічні формули: обмежено — спеціальні інструменти працюють краще
Мови, які ми підтримуємо
Наш PDF OCR підтримує понад 50 мов, включаючи англійську, турецьку, німецьку, французьку, іспанську, італійську, португальську, російську, китайську, японську, корейську, арабську, гінді. Ви можете вибрати кілька мов для документів, які містять сценарії.
Поради для кращих результатів OCR
- Використовуйте правильну мову. Вибір «англійської» на турецькому документі знижує точність до 60%. Завжди вибирайте мову, яку скануєте.
- Вища роздільна здатність сканування = краще оптичне розпізнавання. 300 точок на дюйм – це найкраще. Нижче 200 точок на дюйм точність швидко падає.
- Прямі сторінки. Якщо відскановане зображення повернуто або перекошено, спочатку виправте це за допомогою обертання PDF.
- Чисті оригінали. Плями від кави, пальці в кутках і темні тіні заплутують OCR. Обріжте фактичну сторінку, якщо можете.
Що можна робити після OCR
Якщо сканування має текстовий шар:
- Пошук у PDF-файлі (Ctrl+F)
- Скопіюйте текст і вставте його в Word, електронну пошту чи нотатки
- Перетворіть у Word за допомогою PDF у Word
- Перекладіть текстовий вміст
- Зробіть документ доступним для програм зчитування з екрана
Конфіденційність
OCR працює на європейських серверах. Документи шифруються під час передавання та видаляються після обробки. Ми не зберігаємо, не ділимося та не аналізуємо ваші скани.