Ktoś wysyła Ci plik PDF, który okazuje się zbiorem zrzutów ekranu. Każda strona jest obrazem tekstu, a nie rzeczywistym tekstem. Nie można go przeszukiwać, kopiować z niego ani edytować. To jest zdjęcie dokumentu, a nie dokumentu. Konwersja plików PDF opartych na zrzutach ekranu na rzeczywisty dokument tekstowy wymaga OCR wyodrębnienia tekstu z obrazów, a następnie konwersji do formatu, który można edytować.
Konwersja jest procesem dwuetapowym: OCR w celu utworzenia warstwy tekstowej, a następnie konwersja do formatu edytowalnego, takiego jak Word. Każdy krok ma ustawienia, które wpływają na jakość końcowego wyniku. Prawidłowe wykonanie obu tworzy edytowalny dokument, który jest ściśle zgodny z oryginalnymi zrzutami ekranu. Błędne ustawienie powoduje zniekształcenie tekstu lub zakłócone formatowanie.
Według analizy przeprowadzonej w 2025 r. przez firmę ABBYY zajmującą się sztuczną inteligencją dokumentów, pliki PDF oparte na zrzutach ekranu to najszybciej rosnąca kategoria plików PDF przesyłanych do przetwarzania OCR, co wynika z rosnącego wykorzystania aparatów telefonicznych i zrzutów ekranu jako metod przechwytywania dokumentów (ABBYY, „Document Capture Trends Report”, 2025). Zrzuty ekranu zastępują skanery w przypadku zwykłego udostępniania dokumentów, a zapotrzebowanie na wyodrębnianie tekstu w dalszej części procesu odpowiednio rośnie.
Krok pierwszy: OCR zrzutu ekranu w formacie PDF
Prześlij plik PDF do narzędzia OCR działającego w przeglądarce. Zrzuty ekranu mają specyficzne cechy, które wpływają na OCR. Tekst ekranowy ma zazwyczaj niską rozdzielczość według standardów druku, około 72 do 150 DPI, w zależności od ekranu i poziomu powiększenia. Silnik OCR musi obsłużyć tę niższą rozdzielczość bez wprowadzania błędów. Większość nowoczesnych silników OCR tak robi, ale dokładność może być nieco niższa niż w przypadku skanu drukowanego tekstu w rozdzielczości 300 DPI.
Jeśli zrzuty ekranu zawierają treść mieszaną, np. tekst obok elementów interfejsu użytkownika, przycisków lub ikon, silnik OCR może próbować rozpoznać elementy nietekstowe jako tekst, tworząc w wyniku losowe znaki. Przetwarzanie OCR Skanowany plik PDF radzi sobie najlepiej ze zrzutami ekranu, gdy zrzuty ekranu zawierają głównie tekst z czystym tłem. Zajęte zrzuty ekranu z nakładającymi się elementami powodują głośniejszy sygnał OCR.
Krok drugi: Konwertuj dane wyjściowe OCR na Word
Po przetworzeniu OCR plik PDF zawiera teraz warstwę tekstową. Przekonwertuj go do formatu Word za pomocą konwertera PDF na Word. Konwerter odczytuje tekst wygenerowany przez OCR i tworzy z niego dokument Word. Wynikowy plik programu Word zawiera edytowalny tekst, który można poprawić, sformatować i wykorzystać w innych dokumentach. To jest cel całego potoku: od obrazu zrzutu ekranu do edytowalnego dokumentu tekstowego.
Konwersja PDF do Word po OCR zachowuje treść tekstową. Formatowanie będzie wymagało dostosowania, ponieważ OCR przechwytuje tekst, ale nie czcionkę, rozmiar, kolor i odstępy oryginału. Traktuj dane wyjściowe programu Word jako wersję roboczą zawierającą dokładny tekst, która wymaga formatowania. Treść jest poprawna. Wygląd wymaga Twojej uwagi.
Edycja i weryfikacja wyników
Otwórz dokument programu Word wraz z oryginalnym zrzutem ekranu w formacie PDF. Porównaj tekst OCR ze zrzutami ekranu strona po stronie. Skoncentruj się na rzeczownikach własnych, liczbach i terminach technicznych. To są słowa, w przypadku których błędy OCR zmieniają znaczenie. Powszechnie używane słowa zawierające błędy są zazwyczaj oczywiste z kontekstu i łatwe do poprawienia. Błędna liczba w dokumencie finansowym jest niewidoczna, dopóki nie spowoduje błędu w obliczeniach w dalszej części procesu.
Narzędzie OCR PDF WukongPDF obsługuje pierwszy etap potoku: dodanie przeszukiwalnej warstwy tekstowej do plików PDF opartych na zrzutach ekranu. Konwersja do programu Word kończy drugi krok. Między nimi plik PDF zawierający zrzuty ekranu staje się dokumentem edytowalnym, który można wyszukiwać, kopiować, edytować i zmieniać jego przeznaczenie.
Łączenie wielu plików PDF ze zrzutami ekranu w jeden dokument
Jeśli otrzymasz wiele plików PDF zawierających zrzuty ekranu, które tworzą jeden dokument, przetwórz je razem. Scal pliki PDF, uruchom OCR na połączonym pliku, a następnie przekonwertuj go do formatu Word. Dzięki podejściu łączonemu powstaje jeden dokument wyjściowy, a nie kilka, które należy później połączyć ręcznie. WukongPDF łączy pliki i przetwarza je jako jeden dokument.