OCR PDF

सर्चेबल PDF, जिसे कभी-कभी इमेज प्लस टेक्स्ट कहते हैं, हर पेज के लिए दो चीज़ें रखता है: मूल स्कैन तस्वीर के रूप में, और छपे शब्दों के ठीक ऊपर रखी पहचाने गए टेक्स्ट की अदृश्य लेयर। व्यूअर तस्वीर दिखाते हैं और टेक्स्ट का इस्तेमाल सर्च, सेलेक्शन, कॉपी और स्क्रीन रीडर के लिए करते हैं। दिखावट में कोई बदलाव नहीं होता, इसीलिए आर्काइव, लॉ ऑफ़िस और रिकॉर्ड विभाग स्कैन किए कागज़ों के लिए इसे पसंद करते हैं।

PDF 2008 में ओपन स्टैंडर्ड ISO 32000 बना, और PDF/A, यानी ISO 19005 में परिभाषित आर्काइव प्रोफ़ाइल, उन स्कैन रिकॉर्ड के लिए खूब इस्तेमाल होता है जिन्हें दशकों तक पढ़ने लायक रहना है। Adobe Acrobat यही काम Scan & OCR टूल से करता है, और कई ऑफ़िस स्कैनर में "सर्चेबल PDF" आउटपुट होता है; यहाँ का नतीजा सामान्य PDF है जो किसी भी व्यूअर में खुलता है।

जब स्कैन ही रिकॉर्ड हो, जैसे साइन किया एग्रीमेंट, डीड या मेडिकल रिपोर्ट, तब सर्चेबल PDF सही चुनाव है। बाकी आउटपुट पहचाने गए शब्दों से नया डॉक्यूमेंट बनाते हैं, जो एडिट करने के लिए काम का है, पर कॉपी उतनी ही अच्छी होती है जितनी पहचान। जिस PDF में असली टेक्स्ट पहले से है, उससे Word पाने के लिए PDF को Word में बदलें इस्तेमाल करें, जो बिना OCR मौजूदा टेक्स्ट पढ़ता है; सिर्फ़ शब्दों के लिए स्कैन PDF से टेक्स्ट बना है।

टेक्स्ट लेयर फ़ाइल साइज़ में बहुत कम जोड़ती है, क्योंकि पेज की इमेज के मुकाबले टेक्स्ट बहुत छोटा होता है। अगर स्कैन अपलोड फ़ॉर्म के लिए पहले से बहुत बड़ा था, तो पहले OCR करें और फिर PDF कंप्रेस करें ताकि वह फ़ॉर्म के अनुमत साइज़ में आ जाए।