Konwerter zeskanowanego PDF na tekst
Jeśli w pliku PDF nie da się zaznaczyć ani jednego słowa, jest to skan: zestaw zdjęć stron bez warstwy tekstowej. Prześlij go tutaj, a OCR odczyta każdą stronę i zamieni ją na zwykły tekst, który można kopiować, przeszukiwać i edytować.
Obraz na tekst
lub upuść Pliki PDF, JPG, JPEG … tutaj ·
Maks. 95 MB na plik· Do 20 plików· Usuwane po 30 min
Pliki są przetwarzane na naszych serwerach i usuwane po 30 min.
Dla stron łączących dwa języki, np. hindi ze słowami angielskimi. W innych przypadkach zostaw „Brak”; dodatkowy język nieco obniża dokładność.
Zachowaj układ zostawia kolumny, akapity i tabele na swoich miejscach. Zwykły tekst daje jeden ciągły blok, łatwiejszy do wklejenia do formularzy.
Dla plików PDF i wielostronicowych TIFF: odczytaj wszystkie strony, tylko pierwszą lub wybrany zakres.
Strony do odczytu, np. 1-3, 5, 8-10.
Jak korzystać z narzędzia
- 1
Prześlij zeskanowany PDF
Dodaj plik PDF lub maksymalnie 20 plików, każdy do 95 MB. Skany TIFF wielostronicowe i obrazy jednostronicowe też działają.
- 2
Wybierz język i strony
Język dokumentu to angielski, a Plik wynikowy to Zwykły tekst (.txt). Dla innych dokumentów zmień język, a w Ustawienia zaawansowane użyj opcji Strony, aby odczytać tylko zakres długiego pliku.
- 3
Rozpoznaj tekst
Kliknij Rozpoznaj tekst. Strony są najpierw prostowane i obracane do pionu, a potem odczytywane po kolei do jednego pliku tekstowego.
Zeskanowany PDF a przeszukiwalny PDF: dlaczego brakuje tekstu
- PDF zawierający tylko obrazyzeskanowany PDF · PDF bez możliwości wyszukiwania · płaski PDF
- PDF, którego strony są zapisane jako obrazy, zwykle wytworzony przez skaner, funkcję skanowania do e-maila w kopiarce lub aplikację do skanowania w telefonie. Wygląda jak dokument, ale w środku nie ma kodów znaków, więc nic nie da się zaznaczyć, przeszukać ani odczytać na głos.
Zwykły PDF wyeksportowany z Worda lub przeglądarki zawiera obiekty tekstowe: każde słowo jest zapisane jako znaki z czcionką i pozycją, więc działa wyszukiwanie i kopiowanie. Skaner pomija to wszystko i zapisuje jeden obraz na stronę. Dla komputera strona z Twoją umową to ten sam rodzaj danych co zdjęcie kota.
OCR odtwarza brakującą warstwę. Obraz strony jest oczyszczany, wyszukiwane są wiersze i słowa, a kształt każdego znaku jest dopasowywany do alfabetu wybranego Język dokumentu. Ta strona zwraca wynik jako zwykły tekst. Drugim częstym wynikiem jest PDF z możliwością wyszukiwania: skan pozostaje widoczny, a rozpoznane słowa są dodawane pod nim jako niewidoczny tekst, w trybie renderowania, który standard PDF, ISO 32000, od zawsze dopuszcza.
Darmowy Adobe Acrobat Reader potrafi wyświetlić skan, ale nie wykonuje OCR; rozpoznawanie jest częścią płatnych wersji Acrobata. Konwerter to skrót, gdy potrzebujesz słów jednorazowo i nie chcesz kolejnej subskrypcji. Jeśli skany nadal wychodzą słabo, nasz poradnik jak skanować dokumenty do PDF omawia ustawienia skanera i telefonu.
Rozdzielczość skanu przy wyciąganiu tekstu z zeskanowanego PDF
| Size | Pixels | cm | in | DPI | Fits |
|---|---|---|---|---|---|
| Letter | 1700 × 2200 | 21,59 × 27,94 | 8,5 × 11 | 200 | Tylko duży, czysty druk; drobny tekst jest zgadywany |
| Letter | 2550 × 3300 | 21,59 × 27,94 | 8,5 × 11 | 300 | Standard dla OCR stron drukowanych |
| A4 | 2480 × 3508 | 21 × 29,7 | 8,27 × 11,69 | 300 | Ten sam poziom szczegółów na papierze A4 |
| A4 | 3307 × 4677 | 21 × 29,7 | 8,27 × 11,69 | 400 | Przypisy, drobny druk, stare strony z maszyny do pisania |
Gdy zamiana skanu PDF na tekst daje złe wyniki
Słowa na całej stronie wychodzą jako bezsensowne znaki
Strona jest prawdopodobnie w innym języku lub piśmie. Ustaw Język dokumentu zgodnie z nią, a dla drugiego języka na tej samej stronie dodaj Rozpoznawaj także.
Wiersze są łamane w środku zdania, a słowa kończą się dywizami
To odzwierciedla łamanie wierszy w druku. Wybierz Ciągły tekst w Układ tekstu, aby uzyskać jeden ciągły blok tekstu; pozostałe dywizy wymagają szybkiego znajdź i zamień.
W pliku tekstowym brakuje niektórych stron
Sprawdź, czy Strony w Ustawienia zaawansowane ma wartość Wszystkie strony. Zakres, np. 1-3, celowo ogranicza rozpoznawanie.
Portable Document Format
PDF został stworzony przez Adobe w 1993 roku, a w 2008 stał się otwartą normą ISO 32000. Utrwala tekst, czcionki, obrazy i układ, dzięki czemu dokument wygląda tak samo na każdym ekranie i drukarce. PDF-y mogą zawierać formularze, podpisy, linki, załączniki i tekst z możliwością wyszukiwania, a wariant PDF/A służy do długoterminowej archiwizacji. Stały układ utrudnia edycję, a zeskanowane PDF-y zawierają tylko obrazy, dopóki nie zastosuje się OCR. Otworzy je każda przeglądarka i każdy system operacyjny.
- Kompresja
- –
- Przezroczystość
- Tak
- Animacja
- Nie
- Rok powstania
- 1993 · Adobe
TXT
Zwykły tekst
Plik TXT zawiera wyłącznie zwykłe znaki, bez formatowania, czcionek, obrazów i układu strony. Współczesne pliki tekstowe są zwykle kodowane w UTF-8, który obejmuje wszystkie języki, choć starsze pliki mogą używać innych kodowań i wyświetlać krzaczki. Zwykły tekst jest bardzo mały, nigdy się nie starzeje i otwiera się na każdym urządzeniu, od telefonów po serwery. Nie może zawierać pogrubień, tabel ani obrazów, więc strukturę trzeba wyrażać odstępami lub prostym znacznikowaniem.
- Kompresja
- –
- Przezroczystość
- –
- Animacja
- –
- Rok powstania
- –
Zeskanowany PDF zawiera obrazy stron, więc nie można kopiować, przeszukiwać ani indeksować jego słów; rozpoznanie ich do pliku TXT zamienia skan w tekst, który działa w edytorze, tłumaczu i wyszukiwarce.
Pytania o zamianę zeskanowanego PDF na tekst
Jak sprawdzić, czy PDF jest skanem, czy zawiera już tekst?
Spróbuj zaznaczyć zdanie lub wyszukać słowo skrótem Ctrl+F albo Command+F. Jeśli kursor zaznacza całą stronę jak obraz, a wyszukiwanie niczego nie znajduje, to skan jest samym obrazem i wymaga OCR. Jeśli słowa podświetlają się normalnie, tekst już jest w pliku, a PDF do TXT wyodrębni go dokładnie, bez rozpoznawania.
Co jest lepsze: zwykły tekst czy przeszukiwalny PDF?
Zwykły tekst służy do ponownego wykorzystania słów: cytowania, tłumaczenia, wklejania do bazy danych lub e-maila. PDF z możliwością wyszukiwania zachowuje wygląd skanu, a tekst ukrywa pod spodem, co sprawdza się w archiwach i przy umowach. Jeśli potrzebujesz drugiej opcji, służy do tego OCR PDF.
Jaka rozdzielczość skanu daje najlepszy tekst z PDF?
300 DPI dla zwykłych stron drukowanych. Dokumentacja Tesseract opisuje spadek dokładności dla tekstu poniżej około 10 pt przy 300 DPI, więc przypisy i drobny druk lepiej skanować w 400 DPI. 600 DPI rzadko poprawia OCR, a plik PDF robi się kilka razy większy.
Czy można wyciągnąć tekst ze skanu PDF z maszynopisem lub stroną starej książki?
Zwykle tak. Czcionka maszynowa i książkowa to zwykłe drukowane litery, a Wyprostuj strony koryguje przechył, który często wynika ze skanowania oprawionej książki. Bardzo wyblakłe strony lepiej się odczytują z włączoną opcją Popraw kontrast.
Dlaczego tekst ze strony z dwiema kolumnami jest pomieszany?
Kolumny są rozdzielane, gdy Układ tekstu ma ustawione Zachowaj układ, czyli wartość domyślną. Jeśli wiersze z obu kolumn nadal się przeplatają, odstęp między nimi na skanie jest wąski; zwykle pomaga czystszy skan z prostymi stronami.
- OCR PDFDodaj do zeskanowanego PDF warstwę tekstu do wyszukiwania i zaznaczania lub wyciągnij tekst do Worda albo TXT. 34 języki, 20 plików naraz, za darmo.
- Konwerter PDF na TXTKonwertuj PDF na TXT online za darmo. Strony cyfrowe zachowują dokładne znaki, skany przechodzą OCR, a wynik to jeden plik .txt UTF-8 na każdy PDF.
- OCR onlineDarmowy OCR online dla zdjęć, zrzutów ekranu i skanów PDF. Skopiuj tekst lub zapisz jako Word, PDF z wyszukiwaniem albo Markdown. Co OCR odczyta.
- Konwerter PDF na WordZamień PDF na Word, który da się edytować. Tekst układa się w akapity, skany przechodzą OCR w 34 językach, do 20 plików naraz.
- Zdjęcie do Worda – konwerter onlineZamień zrzuty ekranu, skany i zdjęcia na edytowalny plik Word. Rozpoznaje 34 języki, teksty wielojęzyczne i wyraźne pismo. Za darmo, bez rejestracji.