Запустить распознавание текста в PDF на Mac очень просто: Preview самостоятельно обрабатывает основные случаи, а пара специальных инструментов покрывает все остальное, включая отсканированные документы и пакетную обработку. Вот что работает и когда использовать каждый вариант.
Есть ли в Mac встроенная функция оптического распознавания символов?
Да, в macOS есть встроенное распознавание текста, начиная с macOS Monterey (12.0). Он называется Live Text и работает во всей системе, в том числе в предварительном просмотре. Откройте отсканированный PDF в режиме предварительного просмотра, и вы часто сможете выбирать, копировать и искать текст напрямую — macOS распознает текст на экране в режиме реального времени без необходимости запуска отдельного этапа распознавания.
Ограничением является то, что Live Text не встраивает текстовый слой в сам файл PDF — он распознает текст только для взаимодействия с экраном. Если вам нужен PDF с соответствующим встроенным текстовым слоем, доступным для поиска в других приложениях, на других устройствах или в системах управления документами, вам понадобится специальный инструмент OCR PDF.
Как распознать PDF на Mac с помощью WukongPDF
Откройте инструмент OCR PDF WukongPDF в Safari. Загрузите отсканированный PDF, выберите язык содержимого документа и нажмите «Конвертировать». Инструмент обрабатывает каждую страницу и встраивает в выходные данные текстовый слой с возможностью поиска. Загрузите результат — PDF теперь поддерживает выделение текста, поиск Ctrl+F и индексацию любой системой или приложением, обрабатывающим PDF.
Это работает на любом Mac, любой версии macOS и не требует установки. Это особенно удобно для пользователей, которым распознавание текста требуется лишь изредка и которые не хотят устанавливать специальное программное обеспечение.
OCR на Mac с использованием Adobe Acrobat
Adobe Acrobat Pro для Mac обеспечивает максимальный контроль над настройками оптического распознавания символов. Откройте отсканированный PDF, перейдите в раздел Инструменты > Сканирование и усиление; OCR > Распознать текст > В этом файле. Перед запуском нажмите шестеренку «Настройки», чтобы выбрать язык, стиль вывода (изображение с возможностью поиска или редактируемый текст) и разрешение. Нажмите «Распознать текст», чтобы обработать документ.
Стиль вывода «Изображение с возможностью поиска» сохраняет исходный вид отсканированного изображения, но добавляет скрытый текстовый слой — стандартный выбор для архивирования. Параметр «Редактируемый текст» пытается заменить отсканированное изображение фактическим перекомпонованным текстом, что хорошо работает для чистых машинописных документов, но может выглядеть беспорядочно в документах со сложным макетом.
Бесплатные опции оптического распознавания символов на Mac
Несколько бесплатных опций хорошо работают на Mac. Tesseract — это мощный механизм оптического распознавания символов с открытым исходным кодом, который можно установить через Homebrew (brew install tesseract). Он запускается из терминала и поддерживает более 100 языков. В качестве графического интерфейса Tesseract можно использовать PDF OCR X Community Edition — бесплатное приложение для Mac, предоставляющее интерфейс перетаскивания для запуска OCR в PDF.
Для большинства пользователей инструмент OCR PDF на основе браузера более доступен, чем Tesseract с командной строкой, а качество вывода сопоставимо со стандартными печатными документами.
После OCR: сжатие вывода
Выходные файлы OCR иногда немного больше входных, поскольку инструмент встраивает дополнительные текстовые данные рядом с исходным изображением. Последующий запуск PDF с возможностью поиска с помощью инструмента PDF Compression возвращает файл обратно, не затрагивая текстовый слой. Для отсканированных документов, отправляемых в долгосрочный архив, этот этап сжатия стоит выполнить перед сохранением или загрузкой.