Zeskanowany dokument jest dostarczany w formacie PDF. Wygląda jak dokument. Wyświetla tekst na każdej stronie. Jednak gdy próbujesz wyszukać słowo, wyszukiwanie nie zwraca żadnych wyników. Kiedy próbujesz zaznaczyć tekst kursorem, nic nie zostaje podświetlone. Plik PDF jest plikiem zawierającym wyłącznie obraz. Każda strona jest fotografią tekstu, a nie samym tekstem. Konwersja tego pliku PDF zawierającego wyłącznie obrazy na dokument tekstowy z możliwością pełnego przeszukiwania wymaga dwóch kroków: OCR w celu wyodrębnienia tekstu z obrazów oraz konwersja do formatu, w którym tekst jest głównym elementem, a obrazy są drugorzędne.
Narzędzia OCR oparte na przeglądarce mogą przetwarzać pliki PDF zawierające wyłącznie obrazy i dodawać warstwę tekstową z możliwością przeszukiwania za każdym obrazem strony. Wygląd stron nie ulega zmianie. Warstwa tekstowa jest niewidoczna, dopóki jej nie wybierzesz lub nie wyszukasz. Po OCR plik PDF można przeszukiwać. Konwersja wyniku OCR na format dokumentu tekstowego, taki jak Word, umożliwia edytowanie tekstu i ponowne jego wykorzystanie.
Potok OCR PDF do przeszukiwalnego tekstu przekształca zbiór obrazów stron w dokument, który zachowuje się tak, jakby był napisany cyfrowo. Tekst można przeszukiwać, zaznaczać i eksportować.
Dwuetapowy proces konwersji
Krok pierwszy: prześlij plik PDF zawierający tylko obraz do narzędzia OCR. Narzędzie analizuje każdy obraz strony, rozpoznaje znaki i dodaje przezroczystą warstwę tekstową. Pobierz plik PDF przetworzony przez OCR. Sprawdź, czy tekst można teraz przeszukiwać. Krok drugi: przekonwertuj plik PDF przetworzony przez OCR na format Word lub zwykły tekst. Konwersja wyodrębnia rozpoznany tekst i umieszcza go w edytowalnym dokumencie. Wynikowy plik programu Word zawiera tekst dokumentu, gotowy do edycji, formatowania i ponownego użycia.
WukongPDF Narzędzia OCR dodają warstwy tekstowe z możliwością przeszukiwania. Konwerter PDF z plików PDF przetworzonych przez OCR do programu Word tworzy edytowalny tekst z oryginałów zawierających wyłącznie obrazy.
Zarządzanie dokładnością OCR w przypadku plików PDF zawierających wyłącznie obrazy
Dokładność rozpoznawania OCR zależy od jakości obrazu. Czysty skan drukowanego tekstu w rozdzielczości 300 DPI zapewnia niemal doskonałe rozpoznawanie. Skan lub zdjęcie dokumentu o niskiej rozdzielczości powoduje powstawanie większej liczby błędów. Przed konwersją pliku PDF zawierającego tylko duży obraz przetestuj jedną stronę. Uruchom OCR na stronie i przejrzyj dane wyjściowe. Jeśli dokładność jest akceptowalna, przetwórz cały dokument. Jeśli dokładność jest niska, popraw jakość skanowania i przetwórz ponownie.
Zeskanowany plik PDF, który został poddany OCR i przekonwertowany na tekst, można przeszukiwać, edytować i używać ponownie. Oryginał zawierający wyłącznie obraz spełnił swoje zadanie. Wersja z możliwością wyszukiwania służy jej przyszłości.
Wybór pomiędzy konwersją plików PDF z możliwością przeszukiwania a konwersją pełnotekstową
Plik PDF z możliwością przeszukiwania zachowuje oryginalne obrazy stron z dodaną warstwą tekstową. Wygląd wizualny pozostaje niezmieniony. Dokument można przeszukiwać, ale nie można go edytować. Jest to właściwe w przypadku dokumentów archiwalnych i referencyjnych. Konwersja pełnego tekstu do programu Word zastępuje obrazy stron tekstem edytowalnym. Zmienia się wygląd wizualny. Dokument można zarówno przeszukiwać, jak i edytować. Jest to odpowiednie w przypadku dokumentów, których treść zostanie ponownie wykorzystana.
Konwersja pliku PDF na Word z wyniku OCR to droga do możliwości edycji. Przeszukiwalny plik PDF to droga do możliwości przeszukiwania. Wybierz format wyjściowy odpowiadający sposobowi użycia dokumentu.
Zachowywanie oryginalnych obrazów stron na wydruku
Niektóre przepływy pracy wymagają zarówno oryginalnych obrazów stron, jak i tekstu, który można przeszukiwać. Dane wyjściowe powinny wyglądać jak oryginalny skan, ale można je przeszukiwać. Jest to domyślne zachowanie narzędzi OCR, które dodają warstwę tekstową za obrazami. Wygląd wizualny pozostaje niezmieniony. Dodano funkcję tekstową.
Zeskanowany plik PDF z warstwą tekstową OCR zachowuje zarówno oryginalny wygląd, jak i zwiększa możliwość wyszukiwania. Dokument pełni zarówno funkcję wizualną, jak i funkcjonalną.
Wybieranie ustawień języka OCR dla wielojęzycznych plików PDF zawierających tylko obrazy
Jeśli plik PDF zawierający tylko obraz zawiera wiele języków, wybierz wszystkie odpowiednie języki w ustawieniach OCR. Ustawienie tylko w języku angielskim spowoduje zniekształcenie tekstu w języku innym niż angielski. Ustawienie wielu języków powoduje zastosowanie odpowiedniego modelu rozpoznawania do każdego obszaru tekstowego. Wybór języka wpływa bezpośrednio na dokładność rozpoznawania OCR.
Ustawienie języka OCR PDF dla wielojęzycznych plików PDF zawierających wyłącznie obrazy powinno obejmować każdy język występujący w dokumencie. Brak języka powoduje zniekształcenie tekstu w tym języku.
Porównanie dokładności OCR w wielu silnikach
Różne silniki OCR dają różne wyniki w tym samym pliku PDF zawierającym wyłącznie obraz. W przypadku dokumentów krytycznych uruchom ten sam plik za pomocą dwóch różnych silników OCR i porównaj wyniki. Użyj dokładniejszego wyniku. Porównanie zajmuje więcej czasu, ale zapewnia najlepszą możliwą jakość tekstu.
Podejście OCR PDF jest odpowiednie w przypadku dokumentów, w których dokładność tekstu ma kluczowe znaczenie. Porównanie pozwala określić, który silnik lepiej radzi sobie z określonymi cechami dokumentu.
Dodawanie metadanych do przeszukiwalnych wyników
Po konwersji na tekst, który można przeszukiwać, dodaj metadane do pliku wyjściowego. Tytuł, autor, temat i słowa kluczowe umożliwiają odnalezienie dokumentu w systemach wyszukiwania. Metadane powinny opisywać zawartość dokumentu, a nie proces konwersji. Oryginalny plik PDF zawierający wyłącznie obraz zawierał minimalną liczbę metadanych. Wersja z możliwością wyszukiwania powinna być w pełni opisana.
Wzbogacanie metadanych zeskanowanego pliku PDF jest ostatnim krokiem w procesie konwersji. Dokument, który można przeszukiwać i zawiera dobre metadane, jest zarówno możliwy do znalezienia, jak i użyteczny.
Tworzenie hybrydowego wydruku z możliwym do przeszukiwania tekstem i oryginalnymi obrazami
Do celów archiwalnych utwórz hybrydowy plik PDF zawierający zarówno oryginalne obrazy stron, jak i warstwę tekstową z możliwością przeszukiwania. Dokument wygląda dokładnie tak, jak oryginalny skan. Warstwa tekstowa umożliwia wyszukiwanie i selekcję bez zmiany wyglądu. Jest to standardowy wynik przetwarzania OCR i najlepszy format w przypadku dokumentów, które muszą zachować swój oryginalny wygląd.
Hybrydowy wydruk Zeskanowany plik PDF służy zarówno zachowaniu, jak i użyteczności. Obrazy zachowują oryginał. Tekst umożliwia nowoczesną funkcjonalność dokumentu.
Konwersja tekstu z możliwością wyszukiwania z powrotem do formatu PDF w celu dystrybucji
Po edycji wyodrębnionego tekstu w programie Word przekonwertuj go z powrotem do formatu PDF w celu dystrybucji. Nowy plik PDF jest w pełni cyfrowy i nie zawiera artefaktów graficznych. Jest mniejszy, czystszy i bardziej dostępny niż oryginalny plik zawierający tylko obraz. Konwersja z powrotem do formatu PDF kończy transformację z samego obrazu do w pełni cyfrowej.
Konwerter PDF umożliwiający przejście od samego obrazu do edytowalnego tekstu do czystego cyfrowego pliku PDF to proces modernizacji dokumentów. Treść zostaje zachowana. Format został uaktualniony.