Отсканированный PDF выглядит как документ, но ведёт себя как фотография. Нажимаете Ctrl+F — ничего не находится; пытаетесь скопировать предложение — выделяется вся страница как картинка. Оптическое распознавание символов (OCR) решает эту проблему: оно читает буквы на изображении и превращает их в настоящий текст.
Инструмент S-PDF «OCR PDF» распознаёт текст с помощью движка Tesseract 5, а затем размещает его невидимым слоем точно поверх исходных изображений страниц. Внешне ничего не меняется: подписи, печати, логотипы и рукописные пометки остаются на своих местах. Зато теперь в документе можно искать, выделять и копировать текст, а программы экранного доступа и поиск по файлам видят, что внутри.
Как распознать текст в PDF
- Загрузите скан или изображение Добавьте отсканированный PDF или изображение документа в формате JPG, PNG, WebP, GIF, BMP или TIFF.
- Выберите язык документа Укажите язык, на котором написан текст. Для смешанных документов можно выбрать до трёх языков, например русский и английский.
- Оставьте или измените параметр текста Параметр Пропускать страницы, на которых уже есть текст включён по умолчанию, поэтому цифровые страницы остаются нетронутыми, а обрабатываются только отсканированные.
- Запустите OCR и скачайте Страницы обрабатываются параллельно, и за ходом работы можно следить постранично. Скачайте результат с именем
документ_ocr.pdf.
Почему стоит распознавать текст в PDF с S-PDF
- Страницы выглядят так жеРаспознанный текст невидим, поэтому скан выглядит точно так же, как раньше.
- 34 языкаОт русского и арабского до японского и хинди — и до трёх языков в одном документе.
- Изображения тоже подходятФото и сканы в форматах JPG, PNG, WebP, GIF, BMP или TIFF превращаются в PDF с поиском по тексту.
- Цифровые страницы пропускаютсяСтраницы, в которых уже есть настоящий текст, по умолчанию остаются как есть.
- Прогресс в реальном времениСтраницы обрабатываются параллельно, и вы видите ход работы постранично.
- Удаление через часВаши сканы автоматически удаляются через час после вашего последнего действия.
Поддерживаемые языки
На выбор 34 языка: английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, арабский, турецкий, русский, украинский, польский, чешский, румынский, шведский, датский, норвежский, финский, греческий, иврит, хинди, бенгальский, урду, персидский, индонезийский, малайский, вьетнамский, тайский, китайский (упрощённый), китайский (традиционный), японский, корейский, венгерский и болгарский.
Всегда выбирайте тот язык, на котором документ действительно написан. OCR использует алфавит и словарь каждого языка, чтобы различать похожие символы, поэтому неверный выбор даёт больше ошибок — особенно с диакритическими знаками и нелатинскими алфавитами (например, кириллица и латиница легко путаются в буквах вроде «а», «о», «р», «с»). Для двуязычного договора или учебника с цитатами добавьте второй (и третий) язык.
Советы для точного распознавания текста
OCR может прочитать только то, что видно чётко. Несколько привычек очень сильно влияют на результат:
- Сканируйте в 300 dpi. При меньшем разрешении мелкие буквы размываются, а гораздо большее лишь увеличивает файлы, не помогая распознаванию.
- Держите страницы ровно. Кладите бумагу плашмя на стекло сканера или снимайте телефоном строго сверху.
- Добивайтесь хорошего контраста. Лучше всего работает тёмный текст на чистой, равномерно освещённой странице. Бледные ксерокопии и тени приводят к ошибкам.
- Учитывайте ограничения с рукописным текстом. Рукописный текст распознаётся плохо; OCR рассчитан на печатный текст.
Даже при идеальном скане проверяйте важные детали: имена, суммы и даты. OCR отлично справляется с печатным текстом, но безошибочных движков не бывает.
Что делать после OCR
Часто PDF с поиском по тексту — это всё, что нужно: можно найти любое слово, скопировать цитату, а поиск по файлам на компьютере проиндексирует содержимое. Если нужно отредактировать текст, конвертируйте распознанный файл с помощью PDF в Word; для отсканированных таблиц и выписок PDF в Excel перенесёт цифры в электронную таблицу. Бумагу ещё только предстоит оцифровать? Сканировать в PDF превратит фото с телефона в PDF, который затем можно пропустить через OCR.
Частые вопросы
OCR PDF бесплатный?
Да. На бесплатном тарифе можно запускать 5 задач OCR в день, до 10 файлов, 50 МБ на задачу и 100 страниц на файл, без регистрации и водяных знаков. Pro (5 $ в месяц или 50 $ в год) позволяет обрабатывать до 1000 страниц на файл, 50 файлов и 500 МБ на задачу.
Изменит ли OCR внешний вид моего PDF?
Нет. Текстовый слой невидим и лежит поверх исходных изображений страниц, поэтому страницы выглядят точно так же, как раньше.
Как понять, нужно ли моему PDF распознавание текста?
Откройте файл и попробуйте найти слово или выделить строку текста. Если поиск ничего не находит или выделяется только вся страница как картинка, это скан, и OCR поможет.
Можно ли распознать документ на двух языках?
Да. Выберите до трёх языков сразу, например русский и английский, и движок будет учитывать их все при чтении страницы.
Распознаёт ли OCR рукописный текст?
Только плохо. Движок рассчитан на печатный текст, поэтому рукописные пометки обычно надёжно не распознаются.
Можно ли распознать текст на JPG или фотографии?
Да. Принимаются изображения JPG, PNG, WebP, GIF, BMP и TIFF, а результатом будет PDF с поиском по тексту.
Можно ли редактировать текст после OCR?
Сам PDF после OCR сохраняет исходный вид. Чтобы изменить формулировки, конвертируйте PDF с поиском по тексту инструментом «PDF в Word», а для таблиц используйте «PDF в Excel».
Мои отсканированные документы остаются конфиденциальными?
Файлы передаются по HTTPS, хранятся в закрытой папке, недоступной из интернета, никому не передаются и ни для чего другого не используются, а через час после вашего последнего действия удаляются автоматически. Удалить их сразу можно кнопкой «Удалить мои файлы сейчас».
Обновлено . Автор: Команда S-PDF.