Распознать текст в PDF
Отсканированный PDF выглядит как текст, но ведет себя как фотография: по нему нельзя искать, нельзя выделить предложение, а программа экранного доступа не может его озвучить. OCR добавляет недостающий текст за каждой страницей, поэтому по файлу можно искать, а выглядит он точно так же, как скан.
Изображение в текст
или перетащите сюда файлы PDF, JPG, JPEG … ·
Макс. 95 MB на файл· До 20 файлов· Удаляются через 30 минут
Файлы обрабатываются на наших серверах и удаляются через 30 минут.
Для страниц, где смешаны два языка, например хинди с английскими словами. В остальных случаях оставьте «Нет»: дополнительный язык немного снижает точность.
«Сохранить макет» оставляет колонки, абзацы и таблицы на своих местах. «Сплошной текст» выдаёт один непрерывный блок текста, который проще вставить в формы.
Для PDF и многостраничных TIFF: распознать все страницы, только первую или диапазон.
Страницы для распознавания, например 1-3, 5, 8-10.
Как пользоваться инструментом
- 1
Загрузите отсканированный PDF
Загрузите до 20 PDF, каждый размером до 95 MB. Подойдут и файлы изображений, например JPG или TIFF.
- 2
Выберите язык и страницы
В поле Вывод уже выбрано PDF с поиском по тексту. Укажите Язык документа, а если нужна только часть длинного файла, в разделе Страницы выберите Диапазон страниц.
- 3
Распознайте текст и ищите
Нажмите Распознать текст, скачайте PDF и попробуйте Ctrl+F (на Mac — Cmd+F) в любой программе для просмотра PDF.
OCR для PDF может означать две разные задачи: сохранить скан и добавить скрытый текстовый слой либо вынести текст в новый документ. Эта страница по умолчанию выполняет первую, а вторую — после смены одной настройки.
Что на самом деле содержит PDF с поиском по тексту
PDF с поиском по тексту, иногда его называют «изображение плюс текст», хранит для каждой страницы две вещи: исходный скан в виде картинки и невидимый слой распознанного текста, точно наложенный на напечатанные слова. Программы просмотра показывают картинку, а текст используют для поиска, выделения, копирования и чтения с экрана. Внешний вид не меняется, поэтому архивы, юридические конторы и отделы делопроизводства предпочитают такой формат для сканов бумажных документов.
В 2008 году PDF стал открытым стандартом ISO 32000, а PDF/A — архивный профиль, описанный в ISO 19005, — широко применяется для отсканированных документов, которые должны оставаться читаемыми десятилетиями. В Adobe Acrobat та же задача выполняется инструментом Scan & OCR, а у многих офисных сканеров есть вывод в «PDF с поиском по тексту»; здесь на выходе обычный PDF, который открывается в любой программе просмотра.
Добавить текстовый слой или извлечь текст
PDF с поиском по тексту
Сохраняет каждую страницу как в скане и добавляет под ней невидимый текст.
- Выглядит так же, как оригинал
- Поиск, выделение и копирование в любой программе просмотра
- Подписи, печати и фото не затрагиваются
Word (.docx)
Воссоздаёт распознанный текст абзацами и таблицами в новом документе.
- Полностью редактируется
- Макет воспроизводится приблизительно, а не копируется
- Фото сохраняются с Сохранить картинки
Обычный текст или Markdown
Только слова в порядке чтения.
- Самый маленький результат
- Вставляется в формы, заметки и код
- Не нужно исправлять макет
PDF с поиском по тексту — правильный выбор, когда сам скан является документом: подписанное соглашение, акт, медицинское заключение. Остальные варианты создают новый документ из распознанных слов. Это удобно для правки, но копия не лучше распознавания. Чтобы получить Word из PDF, в котором уже есть настоящий текст, используйте PDF в Word: он читает имеющийся текст без OCR; если нужны только слова, для этого подойдёт скан PDF в текст.
Текстовый слой почти не увеличивает размер файла, ведь текст крошечный по сравнению с изображениями страниц. Если скан и так слишком велик для формы загрузки, сначала выполните OCR, а затем сожмите PDF до размера, который допускает форма.
Распознать текст в PDF онлайн: языки, страницы и ограничения
- языков распознавания, включая письменности справа налево
- 34
- PDF или изображений за раз
- 20
- максимум на файл
- 95 MB
- до удаления загрузок и результатов
- 30 мин
Вопросы о распознавании текста в PDF
Как понять, нужно ли распознавать текст в PDF?
Откройте файл и попробуйте выделить слово или найти его через Ctrl+F (на Mac — Cmd+F). Если ничего не подсвечивается, страница представляет собой изображение и требует OCR. Смешанные файлы встречаются часто: договор, набранный в Word, а в конце приложены отсканированные подписанные страницы.
Меняет ли распознавание текста внешний вид PDF?
При выводе PDF с поиском по тексту — нет. Изображение страницы остаётся на месте, а распознанный текст невидим, поэтому при печати и просмотре страница выглядит так же. Функции Выровнять страницы и Автоповорот могут выпрямить косую или повёрнутую набок страницу, что обычно и нужно.
Можно ли распознать текст только на части страниц длинного PDF?
Да. В разделе Страницы выберите Диапазон страниц и введите номера страниц, например 1-5, 12, 20-24. Если распознавать только нужные страницы, длинный скан обработается заметно быстрее.
Сможет ли программа экранного доступа прочитать PDF после OCR?
Он сможет прочитать текст, чего не может сделать со сканом, состоящим только из изображения. Для полной доступности нужны ещё теги заголовков, порядок чтения и альтернативный текст, а OCR их не добавляет. Поэтому документы, которые должны соответствовать требованиям доступности, затем проверьте специальной программой.
Насколько хорошо OCR справляется со старыми или выцветшими документами?
Хуже, чем чистые сканы. Для блёклого шрифта включите Повысить контрастность и по возможности пересканируйте в 300 DPI. Копии через копирку и копии с ксерокопий всегда нужно вычитывать.
Распознавание текста в PDF здесь бесплатное?
Да, регистрироваться и платить не нужно. Файлы удаляются через 30 минут после обработки, а что происходит за это время, описано на странице как это работает.
- Распознать текст в сканированном PDFИзвлеките текст из сканированного PDF, в котором ничего нельзя выделить или найти. OCR читает каждую страницу и выдает простой текст, можно выбрать страницы.
- Конвертировать PDF в WordКонвертируйте PDF в Word, который можно редактировать. Текст собирается в обычные абзацы, сканы распознаются OCR на 34 языках, до 20 файлов за раз.
- Распознать текст с картинки (OCR онлайн)Бесплатный OCR онлайн для фото, скриншотов и сканов PDF. Скопируйте текст или сохраните Word, PDF с поиском или Markdown. Что OCR читает хорошо, а что нет.
- Изображение в WordПереведите скриншоты, сканы и фото в редактируемый документ Word. 34 языка, страницы на нескольких языках и аккуратный почерк. Бесплатно, без регистрации.
- Извлечь текст из PDFИзвлеките текст из любого PDF в чистый файл UTF-8. Сканы распознаются с помощью OCR, диапазон страниц можно задать, сохраняется только текст.
- Сжать PDF до 900 КБСожмите PDF до 900 KB, чтобы он прошел лимит 1 MB в Google Формах, школьных порталах и веб-сервисах с запасом около 100 KB. Бесплатно, до 20 файлов.
