PDF na PDF

OCR (optyczne rozpoznawanie znaków) przekształca zeskanowane strony PDF — będące jedynie obrazami tekstu — w przeszukiwalne PDF-y z możliwością zaznaczania. Wynik wygląda identycznie jak oryginał, ale zawiera ukrytą warstwę tekstową. Możesz teraz wyszukiwać słowa, kopiować akapity i korzystać z czytników ekranu. Wygląd wizualny pozostaje taki sam — dostępny staje się tylko tekst.

Zeskanowane PDF-y to cyfrowe zdjęcia — nie można wyszukiwać, kopiować ani indeksować tekstu. Przeszukiwalne PDF-y odblokowują pełnotekstowe wyszukiwanie, umożliwiają kopiowanie cytatów, dają funkcje dostępności dla osób niedowidzących i pozwalają wyszukiwarkom indeksować treść. W dokumentach archiwalnych, prawnych i badawczych przeszukiwalność jest niezbędna. Bez OCR Twój PDF to zablokowany obraz.

Wybierz język dokumentu, a zostanie użyty odpowiedni model rozpoznawania: pismo łacińskie, cyrylica, grecki, arabski, perski, dewanagari, chiński, japoński, koreański lub tajski — łącznie 29 języków. Strona z dwoma alfabetami jest czytana w wybranym języku, więc przepuść ją dwa razy, jeśli liczą się oba.

Najlepsze wyniki dają czyste skany o wysokim kontraście (300 DPI, proste ułożenie, czarny tekst na białym tle). Słabe skany — krzywe strony, wyblakły atrament, kolorowe tło, pismo odręczne — dają wyraźnie więcej błędów. Przygotuj skany: wyprostuj strony, zwiększ kontrast, usuń cienie. Kopie kopii często nie przechodzą OCR. Ważne dokumenty w miarę możliwości zeskanuj ponownie w rozdzielczości 300-600 DPI.

Tylko nieznacznie: w naszym teście zeskanowana faktura urosła o 0,1%, a zeskanowany wyciąg bankowy o 4,7%. Przeszukiwalny PDF składa się z obrazów stron i niewidocznej warstwy tekstowej, więc jego rozmiar zależy od skanu, a nie od tekstu. Jeśli wynik jest za duży do wysłania, przepuść go przez narzędzie Kompresuj PDF; warstwa tekstowa pozostanie przeszukiwalna.

OCR nigdy nie jest wolny od błędów: w naszym teście na 10 stronach prawdziwych zeskanowanych rosyjskich dokumentów wskaźnik błędów znaków wyniósł 5,6% dla umowy i 7,6% dla wyciągu bankowego z tabelami, a słabe skany i pismo odręczne wypadają gorzej. Typowe błędy: mylenie '0' i 'O', '1' i 'l' lub błędne odczytanie ozdobnych czcionek. Zawsze sprawdzaj ważne dokumenty — umowy, pisma prawne, prace naukowe. Gdy stawka jest wysoka, ręcznie weryfikuj kluczowe liczby, nazwiska i daty. OCR świetnie sprawdza się przy masowej archiwizacji, ale nie jest niezawodny przy pracy wymagającej precyzji.