Jak przeszukiwać zeskanowany PDF dzięki OCR
Zeskanowany PDF wygląda jak tekst, ale w rzeczywistości jest zdjęciem strony, więc nie zaznaczysz w nim słowa ani nie wyszukasz nazwiska. OCR (optyczne rozpoznawanie znaków) odczytuje obraz i dodaje prawdziwą warstwę tekstową, dzięki czemu dokument można przeszukiwać i kopiować.
Jak sprawdzić, czy potrzebujesz OCR
Spróbuj zaznaczyć wiersz tekstu w PDF. Jeśli kursor podświetla poszczególne słowa, plik ma już warstwę tekstową. Jeśli nic się nie zaznacza albo cała strona podświetla się jako jeden obraz, to skan, który wymaga OCR.
Ma to znaczenie, gdy chcesz znaleźć klauzulę w długiej umowie, zacytować fragment raportu albo umożliwić przeszukiwanie archiwum.
Krok po kroku
Otwórz narzędzie OCR PDF i prześlij zeskanowany dokument. Narzędzie odczyta każdą stronę i utworzy warstwę tekstową pod obrazem.
Pobierz wynik. Wygląda identycznie, ale teraz możesz zaznaczać, kopiować i przeszukiwać tekst, a inne narzędzia również mogą go odczytać.
Jak uzyskać najlepsze wyniki
Dokładność OCR zależy od jakości skanu. Proste, kontrastowe i dobrze oświetlone skany są odczytywane niemal bezbłędnie; przekrzywione lub blade dają więcej błędów. Wcześniejsze wyprostowanie przekrzywionego skanu poprawia wyniki.
Kilka kluczowych liczb zawsze porównaj z oryginałem, bo żaden OCR nie jest idealny przy słabych skanach.
Dlaczego skan potrzebuje OCR
Zeskanowany PDF wygląda jak dokument, ale dla komputera to tylko jego zdjęcie. Nie możesz zaznaczyć tekstu, przeszukać go ani skopiować, bo tekstu tam nie ma – jest tylko obraz tuszu na papierze. OCR (optyczne rozpoznawanie znaków) odczytuje kształty na tym obrazie i odtwarza rzeczywiste znaki, zamieniając zdjęcie w prawdziwą warstwę tekstową pod stroną, którą można przeszukiwać i zaznaczać.
To krok, który otwiera wszystkie pozostałe możliwości: gdy skan ma warstwę tekstową, możesz go przeszukiwać, kopiować z niego, konwertować na Word i edytować. Bez OCR zeskanowana umowa to w praktyce fotografia, z którą nic nie zrobisz.
Jak uzyskać dokładny wynik
Dokładność OCR w dużym stopniu zależy od jakości skanu. Czysty, kontrastowy, prosty skan drukowanego tekstu jest odczytywany niemal bezbłędnie. Blada kserokopia, strona sfotografowana pod kątem czy pismo odręczne to znacznie trudniejsze przypadki. Aby uzyskać najlepszy efekt, skanuj lub fotografuj przy dobrym świetle, trzymaj stronę płasko i prosto i używaj możliwie najwyższej rozsądnej rozdzielczości.
Jeśli strona wyszła krzywo, wcześniejsze wyprostowanie jej narzędziem Wyprostuj PDF wyraźnie poprawia rozpoznawanie, bo OCR pewniej odczytuje poziome wiersze tekstu, gdy są naprawdę poziome.
Co zrobić po OCR
Gdy skan da się już przeszukiwać, możesz go wykorzystać: przekonwertować na Word, aby był w pełni edytowalny, kopiować z niego cytaty lub liczby albo po prostu przechowywać jako zarchiwizowany PDF, który później znajdziesz, wyszukując jego treść. Przy dużych partiach zeskanowanych dokumentów to właśnie OCR zamienia bezużyteczną stertę obrazów w przeszukiwalną bibliotekę.