Как сделать сканированный PDF доступным для поиска с OCR

Запуск OCR для PDF

1. Откройте «OCR PDF» и выберите правильно ориентированный скан печатного английского текста в пределах указанного лимита страниц OCR.
2. Запустите распознавание и не закрывайте вкладку браузера, пока движок обрабатывает страницы.
3. После завершения распознавания скачайте PDF с возможностью поиска.
4. Откройте сохранённый файл, найдите известные фразы и скопируйте короткий отрывок, чтобы проверить выделение текста.
5. Прежде чем полагаться на распознанный текст, сравните имена, даты, идентификаторы, суммы и порядок страниц с исходным сканом.

Что способен распознавать текущий OCR

OCR поддерживает только печатный английский текст; распознавание выполняется с возможными ошибками. Рукописный текст и другие языки не поддерживаются как надёжные сценарии.

Сканированный счёт

Найдите в результате OCR идентификатор счёта, затем выделите сумму и вставьте её в текстовый редактор. Посимвольно сравните её с изображением страницы. Сам скан может выглядеть правильно, хотя скрытый распознанный символ ошибочен.

Проверьте результат перед дальнейшим использованием

• Ищите фразы с разных исходных страниц.
• Проверьте, совпадает ли подсветка выделения с нужными словами.
• Храните исходный скан вместе с производной копией, доступной для поиска.

запустить OCR для многостраничного PDF

Обработайте поддерживаемый многостраничный скан в пределах указанных ограничений по страницам и памяти устройства, затем проверьте не только первую страницу.

Подготовьте правильно ориентированный многостраничный скан в пределах лимита OCR в 25 страниц, запустите распознавание и проверьте начальные, средние и последние страницы. Успешный поиск на первой странице не доказывает правильность всего файла.

Запуск OCR для PDF

1. Перед открытием «OCR PDF» проверьте количество страниц, ориентацию и чёткость скана.
2. При необходимости создайте меньшую выборку, чтобы задание OCR содержало не более 25 страниц.
3. Выберите PDF, запустите распознавание английского текста и держите вкладку активной.
4. Скачайте готовый PDF с возможностью поиска.
5. Найдите и скопируйте отрывки с начальных, средних и последних страниц, затем сравните идентификаторы, итоговые суммы и порядок страниц с оригиналами.

Сканированный отчёт на 20 страницах

Выберите известную фразу на страницах 1, 10 и 20 и включите хотя бы одну страницу с другим макетом. Альбомная таблица или бледное приложение требуют отдельной проверки, даже если обычный текст распознаётся хорошо.

Проверьте результат перед дальнейшим использованием

• Сравните количество страниц результата с переданной выборкой.
• На характерных страницах проверьте ориентацию и совпадение выделения со словами.
• Для большого архива сохраняйте понятную связь между именами файлов выборок и диапазонами страниц.

Распознавание PDF без загрузки документа на сервер

Запустите текущий движок OCR для английского текста в браузере: выбранный PDF не требуется отправлять в PDFKaka.

OCR выбранного PDF выполняется в этом браузере. Браузер может скачать локальный движок и данные распознавания английского текста с PDFKaka, но загружать сам документ на сервер не требуется.

Что OCR добавляет в сканированный PDF

• Проверьте копию с возможностью поиска локально и при необходимости удалите конфиденциальные файлы из общего хранилища устройства.

Скан на общем компьютере

Сохраните копию с возможностью поиска в контролируемое вами место и проверьте её локально. Обработка в браузере не определяет, кто получит доступ к скачанному файлу, общей папке устройства или копии, которую вы позже отправите в другой сервис. Отдельно выбирайте способы хранения и передачи.

Проверьте результат перед дальнейшим использованием

• Не закрывайте вкладку до завершения загрузки движка и распознавания.
• Не рассчитывайте на работу без интернета до загрузки необходимых ресурсов.
• Перед отправкой проверьте скачанный файл и место его хранения.

Распознавание сканированного PDF перед преобразованием в Word

Сначала выполните OCR, чтобы получить текст для поиска, проверьте ошибки распознавания, затем используйте «PDF в Word» для создания редактируемого DOCX с возможными неточностями.

Используйте «OCR PDF», если нужна промежуточная копия для поиска и проверки, затем передайте проверенный результат в «PDF в Word». Если нужен только DOCX, встроенный режим английского OCR в «PDF в Word» может выполнить распознавание напрямую.

Запуск OCR для PDF

1. Решите, нужен ли промежуточный PDF с возможностью поиска; в противном случае используйте OCR непосредственно в «PDF в Word».
2. Для промежуточного варианта запустите «OCR PDF» на поддерживаемом скане печатного английского текста в пределах лимита страниц.
3. Скачайте PDF с возможностью поиска и сравните распознанные имена, числа и отрывки с источником.
4. Откройте проверенный PDF в «PDF в Word» и выберите подходящий редактируемый режим.
5. Скачайте DOCX, измените существующее слово и исправьте порядок чтения или структуру таблицы, сравнивая результат со сканом.

Скан, для которого нужны два результата

Если архиву нужны и PDF с поиском, и редактируемое письмо, сохраните OCR PDF как проверенный промежуточный файл и создайте из него DOCX. Если код распознан неправильно, зафиксируйте исправление, а не рассчитывайте, что последующее изменение формата восстановит исходные символы.

Проверьте результат перед дальнейшим использованием

• Проверьте распознавание, прежде чем оценивать макет Word.
• Убедитесь, что файл Word содержит обычный редактируемый текст, а не изображения страниц из режима сохранения внешнего вида.
• Проверяйте суммы и связи в исходных таблицах отдельно от форматирования абзацев.

сделать сканированный PDF доступным для поиска

Обычно скан содержит изображения страниц, а не выделяемые символы. OCR добавляет текстовый слой для поиска и копирования, который может содержать ошибки.

«Сканировать в PDF» только помещает изображения в PDF. Чтобы добавить печатный английский текст для поиска, сохраните такой PDF, откройте его в «OCR PDF», запустите распознавание и проверьте новую копию с возможностью поиска.

Сначала получите читаемые изображения страниц

Обеспечьте равномерное освещение, чёткий фокус и съёмку без перекоса. «Сканировать в PDF» не исправляет перспективу автоматически, не удаляет тени и не распознаёт текст. Плохой исходный снимок может остаться плохим и после OCR.

1. Сфотографируйте или выберите изображения документа и расположите их в «Сканировать в PDF».
2. Создайте и скачайте PDF на основе изображений.
3. Откройте сохранённый PDF в «OCR PDF» в пределах указанных ограничений.
4. Запустите распознавание печатного английского текста и скачайте результат OCR.
5. Найдите в сохранённом PDF характерные имена, даты и числа и сравните их с изображением страницы.

Доступность для поиска не означает идеальную расшифровку

«OCR PDF» добавляет текстовый слой для поиска к заново созданным изображениям страниц. Распознавание может ошибаться в буквах, колонках и числах; поддерживаемый язык — английский, а распознавание рукописного текста или произвольных письменностей не обещается. Сохраните исходные снимки и проверяйте извлечённый текст перед повторным использованием.