Как распознать текст в скане PDF с помощью OCR
Отсканированный PDF выглядит как текст, но на самом деле это картинка страницы, поэтому в нём нельзя выделить слово или найти фамилию. OCR (оптическое распознавание символов) считывает изображение и добавляет настоящий текстовый слой, после чего по документу можно искать и копировать из него текст.
Как понять, нужен ли вам OCR
Попробуйте выделить строку текста в PDF. Если курсор выделяет отдельные слова, текстовый слой уже есть. Если ничего не выделяется или вся страница выделяется как одно изображение, это скан, и ему нужен OCR.
Это важно, когда нужно найти пункт в длинном договоре, процитировать отчёт или сделать архив доступным для поиска.
Пошаговая инструкция
Откройте «OCR PDF» и загрузите отсканированный документ. Инструмент считывает каждую страницу и создаёт текстовый слой под изображением.
Скачайте результат. Внешне он не изменится, но теперь текст можно выделять, копировать и искать, а другие инструменты тоже смогут его прочитать.
Как добиться лучшего результата
Точность OCR зависит от качества скана. Ровные, контрастные, хорошо освещённые сканы распознаются почти идеально; перекошенные или бледные дают больше ошибок. Если сначала выровнять наклонённый скан, результат станет лучше.
Несколько критически важных цифр всегда сверяйте с оригиналом: ни один OCR не безупречен на плохих сканах.
Зачем скану OCR
Отсканированный PDF выглядит как документ, но для компьютера это просто его фотография. Текст нельзя выделить, найти или скопировать, потому что текста там нет — есть лишь изображение чернил на бумаге. OCR (оптическое распознавание символов) считывает формы на этом изображении и восстанавливает настоящие символы, превращая картинку в полноценный текстовый слой под страницей, по которому можно искать и который можно выделять.
Именно этот шаг открывает все остальные возможности: когда у скана есть текстовый слой, по нему можно искать, копировать из него, конвертировать его в Word и редактировать. Без OCR отсканированный договор — по сути фотография, с которой ничего не сделаешь.
Как получить точный результат
Точность OCR сильно зависит от качества скана. Чистый, контрастный, ровный скан печатного текста распознаётся почти идеально. Бледная ксерокопия, страница, сфотографированная под углом, или рукописный текст — гораздо сложнее. Для лучшего результата сканируйте или фотографируйте при хорошем освещении, держите страницу ровно и прямо и используйте максимально разумное разрешение.
Если страница получилась кривой, предварительное выравнивание с помощью «Выровнять PDF» заметно улучшает распознавание: OCR надёжнее читает горизонтальные строки текста, когда они действительно горизонтальны.
Что делать после OCR
Когда по скану можно искать, с ним можно работать: конвертировать в Word, чтобы полностью редактировать, копировать из него цитаты или цифры или просто хранить как архивный PDF, который потом легко найти поиском по тексту. Для больших объёмов отсканированных документов именно OCR превращает бесполезную груду изображений в библиотеку с поиском.