Plik PDF z możliwością przeszukiwania umożliwia wyszukiwanie słów za pomocą klawiszy Ctrl+F, zaznaczanie i kopiowanie tekstu oraz indeksowanie pliku przez wyszukiwarki lub systemy zarządzania dokumentami. Jeśli Twój PDF jest zeskanowanym obrazem, nic z tego nie zadziała, dopóki nie dodasz warstwy tekstowej — i właśnie na tym polega umożliwienie przeszukiwania pliku PDF.
Co oznacza „uczynienie pliku PDF przeszukiwalnym”?
Kiedy plik PDF tworzony jest poprzez skanowanie dokumentu papierowego, każda strona jest zapisywana jako obraz. Tekst wygląda dobrze wizualnie, ale PDF nie zawiera żadnych danych znakowych — tylko piksele. OCR (optyczne rozpoznawanie znaków) analizuje te piksele, identyfikuje znaki i dodaje ukrytą warstwę tekstową do PDF. Po OCR dokument wygląda identycznie, ale tekst można teraz zaznaczać, przeszukiwać i kopiować.
Natywne cyfrowe pliki PDF — utworzone bezpośrednio z programów Word, Excel lub innego oprogramowania — można już przeszukiwać. Wystarczy uruchomić OCR tylko na zeskanowanych dokumentach lub plikach PDF, w których tekst został przekonwertowany na kontury podczas eksportu.
Jak sprawić, by plik PDF był przeszukiwalny za pomocą WukongPDF
Prześlij zeskanowany plik PDF do narzędzia OCR PDF firmy WukongPDF. Narzędzie przetwarza każdą stronę, rozpoznaje tekst i osadza warstwę tekstową w wynikach. Pobierz wynik — plik PDF wygląda tak samo, ale można go teraz w pełni przeszukiwać. W przypadku dokumentów wielostronicowych wszystkie strony są przetwarzane w jednej operacji.
Narzędzie WukongPDF OCR PDF firmy WukongPDF obsługuje wiele języków, co ma znaczenie w przypadku dokumentów zawierających treść inną niż angielska. Wybór prawidłowego języka przed przetwarzaniem znacznie poprawia dokładność — silniki OCR wykorzystują modele językowe do rozróżniania podobnych znaków i korygowania niejednoznacznych odczytów.
Udostępnianie pliku PDF do przeszukiwania w programie Adobe Acrobat
W programie Adobe Acrobat Pro otwórz zeskanowany plik PDF i przejdź do opcji Narzędzia > Skanuj & OCR > Rozpoznaj tekst > W tym pliku. Kliknij Rozpoznaj tekst, aby rozpocząć proces. Acrobat uruchamia OCR na wszystkich stronach i automatycznie dodaje warstwę tekstową. W przypadku dużych dokumentów może to zająć minutę lub dwie.
Po zakończeniu rozpoznawania OCR przejdź do opcji Edytuj > Znajdź (Ctrl + F w systemie Windows, Cmd + F na komputerze Mac) i wyszukaj słowo, o którym wiesz, że znajduje się w dokumencie, aby potwierdzić, że warstwa tekstowa działa. Jeśli słowo zostanie znalezione, oznacza to, że OCR zakończyło się pomyślnie.
Czynniki wpływające na dokładność OCR
Najważniejszym czynnikiem jest jakość skanowania. Czysty, prosty skan w rozdzielczości 300 DPI przy dobrym oświetleniu zapewnia dokładny OCR z niewielką liczbą błędów. Rozmyty, przekrzywiony skan lub skan o niskiej rozdzielczości powoduje błędy — znaki, które wyglądają podobnie (0 i O, l i 1, rn i m) są często mylone, gdy obraz nie jest ostry.
Tekst pisany odręcznie to osobne wyzwanie — standardowy OCR jest przeznaczony do tekstu drukowanego i znacznie utrudnia obsługę pisma ręcznego. Istnieją specjalistyczne narzędzia do rozpoznawania pisma ręcznego, ale są one znacznie mniej dokładne niż OCR drukowanego tekstu.
Co zrobić po utworzeniu pliku PDF z możliwością przeszukiwania
Po przeszukaniu plik PDF jest gotowy do archiwizacji, indeksowania lub udostępniania. Jeśli plik jest duży, często warto uruchomić go za pomocą narzędzia PDF Kompresja po OCR — pliki wyjściowe OCR są czasami nieco większe niż dane wejściowe, a kompresja powoduje ich ponowne zmniejszenie bez wpływu na warstwę tekstową.
W przypadku systemów zarządzania dokumentami lub przechowywania w chmurze obsługujących wyszukiwanie pełnotekstowe — Dysk Google, SharePoint, Dropbox — przesłanie wersji z możliwością przeszukiwania oznacza, że treść dokumentu będzie można znaleźć na podstawie słowa kluczowego, co znacznie ułatwi znalezienie miesięcy lub lat później.