PDF с возможностью поиска позволяет находить слова с помощью Ctrl+F, выделять и копировать текст, а также индексировать файл поисковыми системами или системами управления документами. Если ваш PDF представляет собой отсканированное изображение, ничего из этого не сработает, пока вы не добавите текстовый слой — и это именно то, что делает PDF доступным для поиска.
Что означает «сделать PDF доступным для поиска»?
Когда PDF создается путем сканирования бумажного документа, каждая страница сохраняется как изображение. Визуально текст выглядит правильно, но PDF не содержит фактических символьных данных — только пиксели. OCR (оптическое распознавание символов) анализирует эти пиксели, идентифицирует символы и добавляет скрытый текстовый слой в PDF. После OCR документ выглядит идентично, но текст теперь можно выбирать, искать и копировать.
Собственные цифровые файлы PDF, созданные непосредственно из Word, Excel или другого программного обеспечения, уже доступны для поиска. Вам нужно запускать OCR только для отсканированных документов или PDF-файлов, где текст был преобразован в контуры во время экспорта.
Как сделать PDF доступным для поиска с помощью WukongPDF
Загрузите отсканированный PDF в инструмент OCR PDF WukongPDF. Инструмент обрабатывает каждую страницу, распознает текст и встраивает текстовый слой в выходные данные. Загрузите результат — PDF выглядит так же, но теперь полностью доступен для поиска. В многостраничных документах все страницы обрабатываются за одну операцию.
Инструмент OCR PDF от WukongPDF поддерживает несколько языков, что важно для документов с неанглоязычным содержимым. Выбор правильного языка перед обработкой значительно повышает точность — механизмы OCR используют языковые модели для различения похожих символов и исправления неоднозначного чтения.
Создание PDF с возможностью поиска в Adobe Acrobat
В Adobe Acrobat Pro откройте отсканированный PDF и перейдите в раздел Инструменты > Сканирование и усиление; OCR > Распознать текст > В этом файле. Нажмите «Распознать текст», чтобы начать процесс. Acrobat запускает распознавание текста на всех страницах и автоматически добавляет текстовый слой. Для больших документов это может занять минуту или две.
После OCR перейдите в меню «Правка» > Найдите (Ctrl + F в Windows, Cmd + F в Mac) и найдите слово, которое, как вы знаете, есть в документе, чтобы убедиться, что текстовый слой работает. Если слово найдено, значит, распознавание текста прошло успешно.
Факторы, влияющие на точность распознавания
Качество сканирования является важнейшим фактором. Чистое, прямое сканирование с разрешением 300 точек на дюйм при хорошем освещении обеспечивает точное распознавание текста с небольшим количеством ошибок. Размытое, перекошенное сканирование или сканирование с низким разрешением приводит к ошибкам — символы, которые выглядят одинаково (0 и O, l и 1, rn и m), часто путаются, когда изображение нечеткое.
Рукописный текст представляет собой отдельную проблему: стандартное оптическое распознавание текста предназначено для печатного текста и существенно затрудняет работу с рукописным вводом. Существуют специализированные инструменты распознавания рукописного текста, но они гораздо менее точны, чем OCR печатного текста.
Что делать после создания PDF с возможностью поиска
После доступности поиска PDF готов к архивированию, индексированию или совместному использованию. Если файл большой, часто бывает полезно запустить его с помощью инструмента PDF Compression после OCR — выходные файлы OCR иногда немного больше входных, и сжатие возвращает их обратно, не затрагивая текстовый слой.
Для систем управления документами или облачных хранилищ, поддерживающих полнотекстовый поиск — Google Drive, SharePoint, Dropbox — загрузка версии с возможностью поиска означает, что содержимое документа становится доступным для обнаружения по ключевому слову, что значительно упрощает поиск месяцы или годы спустя.