Конвертер сканованого PDF у текст
Якщо в PDF не вдається виділити жодного слова, це скан: набір фотографій сторінок без тексту всередині. Завантажте його сюди, і OCR перетворить кожну сторінку на простий текст, який можна копіювати, шукати й редагувати.
Зображення в текст
або перетягніть Файли PDF, JPG, JPEG … сюди ·
До 95 МБ на файл· До 20 файлів· Видаляються через 30 хв
Файли обробляються на наших серверах і видаляються через 30 хв.
Для сторінок із двома мовами, наприклад гінді з англійськими словами. В іншому разі залиште «Немає»; додаткова мова трохи знижує точність.
«Зберегти» залишає колонки, абзаци й таблиці на місцях. «Простий» виводить один суцільний блок тексту, який легше вставляти у форми.
Для PDF і багатосторінкового TIFF: читати всі сторінки, лише першу або діапазон.
Сторінки для читання, наприклад 1-3, 5, 8-10.
Як користуватися цим інструментом
- 1
Виберіть сканований PDF
Додайте PDF або до 20 файлів, кожен до 95 MB. Багатосторінкові TIFF-скани та односторінкові зображення теж підійдуть.
- 2
Укажіть мову та сторінки
Мова документа — англійська, а Результат — Простий текст (.txt). Для інших документів змініть мову, а в Додаткові налаштування за допомогою Сторінки розпізнайте лише потрібний діапазон довгого файлу.
- 3
Розпізнайте текст
Натисніть Розпізнати текст. Спершу сторінки вирівнюються й розвертаються правильною стороною, потім їх по черзі розпізнає програма, а текст потрапляє в один файл.
Сканований PDF і PDF з пошуком: чому немає тексту
- PDF лише із зображеньвідсканований PDF · PDF без пошуку · плоский PDF
- PDF, сторінки якого збережено як картинки, зазвичай створений сканером, функцією сканування на пошту в копіювальному апараті або мобільним застосунком для сканування. Він схожий на документ, але всередині немає кодів символів, тож нічого не можна виділити, знайти чи озвучити.
Звичайний PDF, експортований із Word або браузера, містить текстові об’єкти: кожне слово збережено як символи зі шрифтом і позицією, тому пошук і копіювання працюють. Сканер пропускає все це й зберігає одне зображення на сторінку. Для комп’ютера сторінка з вашим договором — такі самі дані, як фото кота.
OCR відновлює втрачений шар. Зображення сторінки очищається, знаходяться рядки й слова, а форма кожного символу зіставляється з алфавітом вибраної Мова документа. Ця сторінка повертає результат простим текстом. Інший поширений варіант — пошуковий PDF: скан залишається видимим, а розпізнані слова додаються за ним як невидимий текст, режим відображення, який стандарт PDF, ISO 32000, завжди допускав.
Безкоштовний Adobe Acrobat Reader може показати скан, але не виконує OCR; розпізнавання входить до платних версій Acrobat. Конвертер зручний, коли слова потрібні один раз і ви не хочете ще однієї підписки. Якщо скани все одно виходять слабкими, наш посібник як сканувати документи в PDF розповідає про налаштування сканера й телефона.
Роздільна здатність скану для розпізнавання тексту з PDF
| Size | Pixels | cm | in | DPI | Fits |
|---|---|---|---|---|---|
| Letter | 1700 × 2200 | 21,59 × 27,94 | 8,5 × 11 | 200 | Лише великий чистий друк; дрібний текст вгадується |
| Letter | 2550 × 3300 | 21,59 × 27,94 | 8,5 × 11 | 300 | Стандарт для OCR друкованих сторінок |
| A4 | 2480 × 3508 | 21 × 29,7 | 8,27 × 11,69 | 300 | Така сама деталізація на папері A4 |
| A4 | 3307 × 4677 | 21 × 29,7 | 8,27 × 11,69 | 400 | Виноски, дрібний шрифт, старі сторінки з друкарської машинки |
Коли розпізнавання тексту зі сканованого PDF дає збій
Слова на всій сторінці виходять нісенітницею
Імовірно, сторінка іншою мовою або писемністю. Встановіть Мова документа відповідно, а Також розпізнавати додайте для другої мови на тій самій сторінці.
Рядки обірвані посеред речення, а слова закінчуються переносами
Так збережено друковані розриви рядків. Виберіть Суцільний текст у Розташування тексту, щоб отримати один безперервний блок; залишкові переноси потрібно швидко замінити пошуком і заміною.
У текстовому файлі бракує деяких сторінок
Перевірте, що в Додаткові налаштування для Сторінки вибрано всі сторінки. Діапазон на кшталт 1-3 навмисно обмежує розпізнавання.
Portable Document Format
PDF створила Adobe у 1993 році, а у 2008-му він став відкритим стандартом ISO 32000. Він фіксує текст, шрифти, зображення й верстку, щоб документ виглядав однаково на кожному екрані та принтері. PDF можуть містити форми, підписи, посилання, вкладення й текст із пошуком, а варіант PDF/A застосовують для довгострокового архівування. Через фіксовану верстку PDF важко редагувати, а скановані PDF містять лише зображення, доки не застосовано OCR. Їх відкриває кожен браузер і операційна система.
- Стиснення
- –
- Прозорість
- Так
- Анімація
- Ні
- Рік появи
- 1993 · Adobe
TXT
Простий текст
Файл TXT містить лише звичайні символи без форматування, шрифтів, зображень чи макета. Сучасні текстові файли зазвичай кодуються в UTF-8, що охоплює всі мови, хоча старіші можуть мати інші кодування й показувати нечитабельні символи. Простий текст дуже малий, ніколи не застаріває та відкривається на будь-якому пристрої — від телефонів до серверів. У ньому не можна зберегти жирний шрифт, таблиці чи картинки, тож структуру доводиться передавати відступами або простою розміткою.
- Стиснення
- –
- Прозорість
- –
- Анімація
- –
- Рік появи
- –
Відсканований PDF містить зображення сторінок, тому його слова не можна скопіювати, знайти чи проіндексувати; розпізнавання в TXT перетворює скан на текст, з яким можна працювати в редакторі, перекладачі чи пошуку.
Запитання про розпізнавання тексту зі сканованого PDF
Як визначити, чи PDF сканований, чи вже містить текст?
Спробуйте виділити речення або знайти слово через Ctrl+F чи Command+F. Якщо курсор виділяє всю сторінку, як картинку, а пошук нічого не знаходить, це скан без текстового шару, і йому потрібне OCR. Якщо слова виділяються нормально, текст уже є, і PDF у TXT витягне його точно, без розпізнавання.
Що краще: простий текст чи PDF з пошуком?
Простий текст потрібен, щоб використати слова повторно: цитувати, перекладати, вставляти в базу даних чи лист. Пошуковий PDF зберігає вигляд скану, а текст ховає під ним, що годиться для архівів і договорів. Якщо потрібен саме такий результат, скористайтеся OCR PDF.
Яка роздільна здатність скану дає найкращий текст із PDF?
300 DPI для звичайних друкованих сторінок. Документація Tesseract зазначає, що точність падає для тексту менш як приблизно 10 pt при 300 DPI, тож для виносок і дрібного шрифту краще 400 DPI. 600 DPI рідко покращує OCR, а PDF стає у кілька разів більшим.
Чи можна розпізнати текст зі сканованого PDF машинописної або старої книжкової сторінки?
Зазвичай так. Шрифти друкарської машинки й книжок — це звичайні друковані літери, а Вирівняти сторінки виправляє нахил, який часто виникає під час сканування зшитої книги. Дуже вицвілі сторінки краще розпізнаються з увімкненим Підвищити контраст.
Чому текст зі сторінки у дві колонки виходить перемішаним?
Колонки не змішуються, коли для Розташування тексту вибрано «Зберегти розмітку», це типове значення тут. Якщо рядки обох колонок усе ж чергуються, проміжок між ними на скані вузький; зазвичай допомагає чистіший скан із рівними сторінками.
- OCR PDFДодайте до сканованого PDF текстовий шар для пошуку й виділення або витягніть текст у Word чи TXT. 34 мови, вибір сторінок, 20 файлів, безкоштовно.
- Конвертер PDF у TXTКонвертуйте PDF у TXT онлайн безкоштовно. Цифрові сторінки зберігають точні символи, скани проходять OCR; результат — один .txt (UTF-8) на PDF.
- OCR онлайнБезкоштовне OCR онлайн для фото, скриншотів і сканів PDF. Скопіюйте текст або збережіть у Word, PDF з пошуком чи Markdown. Що OCR розпізнає, а що ні.
- Конвертер PDF у WordКонвертуйте PDF у Word, який можна редагувати. Текст стає звичайними абзацами, скани проходять OCR 34 мовами, до 20 файлів одночасно.
- Конвертер зображень у WordПеретворіть скриншоти, скани й фото на редагований документ Word. 34 мови, змішані сторінки й охайний рукопис. Безкоштовно, без реєстрації.