OCR PDF

PDF ที่ค้นหาข้อความได้ หรือบางครั้งเรียกว่าภาพรวมกับข้อความ เก็บสองสิ่งในแต่ละหน้า คือภาพสแกนต้นฉบับ และชั้นข้อความที่ดึงได้ซึ่งมองไม่เห็นวางทับตรงกับคำที่พิมพ์ไว้พอดี โปรแกรมอ่านจะแสดงภาพและใช้ข้อความสำหรับค้นหา เลือก คัดลอก และโปรแกรมอ่านหน้าจอ หน้าตาไม่เปลี่ยนเลย จึงเป็นเหตุผลที่หน่วยงานเก็บเอกสาร สำนักงานกฎหมาย และฝ่ายจัดการเอกสารนิยมใช้กับกระดาษที่สแกน

PDF กลายเป็นมาตรฐานเปิด ISO 32000 ในปี 2008 และ PDF/A ซึ่งเป็นโปรไฟล์สำหรับเก็บถาวรตาม ISO 19005 ใช้กันอย่างแพร่หลายกับเอกสารสแกนที่ต้องอ่านได้นานหลายสิบปี Adobe Acrobat มีงานแบบเดียวกันในเครื่องมือ Scan & OCR และเครื่องสแกนสำนักงานจำนวนมากมีผลลัพธ์แบบ "searchable PDF" ผลลัพธ์ที่ได้จากที่นี่เป็น PDF ธรรมดาที่เปิดได้ในโปรแกรมอ่านใดก็ได้

PDF ที่ค้นหาข้อความได้เหมาะเมื่อไฟล์สแกนเองคือเอกสารหลักฐาน เช่น สัญญาที่เซ็นแล้ว โฉนด หรือรายงานทางการแพทย์ ผลลัพธ์แบบอื่นจะสร้างเอกสารใหม่จากคำที่ดึงได้ ซึ่งมีประโยชน์เมื่อต้องแก้ไข แต่สำเนาจะดีเพียงเท่าที่การดึงข้อความทำได้ หากต้องการ Word จาก PDF ที่มีข้อความจริงอยู่แล้ว ให้ใช้แปลง PDF เป็น Word ซึ่งอ่านข้อความเดิมโดยไม่ต้องใช้ OCR ส่วนถ้าต้องการเฉพาะตัวอักษร PDF สแกนเป็นข้อความ ตั้งค่าไว้สำหรับงานนี้โดยเฉพาะ

ชั้นข้อความเพิ่มขนาดไฟล์เพียงเล็กน้อย เพราะข้อความมีขนาดเล็กมากเมื่อเทียบกับรูปภาพของหน้า หากไฟล์สแกนใหญ่เกินกว่าที่ฟอร์มอัปโหลดรับได้อยู่แล้ว ให้ทำ OCR ก่อน แล้วบีบอัด PDF ให้ได้ขนาดตามที่ฟอร์มกำหนด