OCR PDF

PDF có thể tìm kiếm, đôi khi gọi là ảnh cộng chữ, lưu hai thứ trên mỗi trang: bản quét gốc dưới dạng hình ảnh và một lớp chữ nhận dạng vô hình đặt khớp chính xác lên các từ in. Trình đọc hiển thị hình ảnh và dùng lớp chữ để tìm kiếm, chọn, sao chép và cho trình đọc màn hình. Hình thức không thay đổi, nên kho lưu trữ, văn phòng luật và bộ phận quản lý hồ sơ ưa chuộng định dạng này cho giấy tờ quét.

PDF trở thành tiêu chuẩn mở ISO 32000 vào năm 2008, và PDF/A, hồ sơ lưu trữ được định nghĩa trong ISO 19005, được dùng rộng rãi cho hồ sơ quét phải đọc được hàng chục năm. Adobe Acrobat có công cụ Scan & OCR làm cùng việc này, và nhiều máy quét văn phòng có đầu ra "PDF có thể tìm kiếm"; kết quả ở đây là file PDF thông thường, mở được trong mọi trình đọc.

PDF có thể tìm kiếm là lựa chọn đúng khi chính bản quét là hồ sơ: hợp đồng đã ký, giấy chứng nhận, báo cáo y tế. Các đầu ra khác tạo tài liệu mới từ chữ nhận dạng được, hữu ích khi bạn sẽ chỉnh sửa, nhưng bản sao chỉ tốt bằng chất lượng nhận dạng. Để lấy Word từ PDF đã có chữ thật, hãy dùng chuyển PDF sang Word, công cụ đọc chữ có sẵn mà không cần OCR; nếu chỉ cần chữ, PDF scan sang văn bản được thiết lập cho việc đó.

Lớp chữ làm tăng dung lượng file rất ít, vì chữ nhỏ hơn nhiều so với ảnh trang. Nếu bản quét vốn đã quá nặng để tải lên biểu mẫu, hãy chạy OCR trước rồi nén PDF xuống dung lượng biểu mẫu cho phép.