Скан — это просто изображение: в нём нельзя найти слово или скопировать фразу. OCR распознаёт текст на каждой странице и добавляет его в PDF, не меняя внешний вид, либо сохраняет в обычный текстовый файл.
Как это работает
- Выберите отсканированный PDF.
- Выберите язык документа.
- Запустите OCR и скачайте PDF с поиском или текст.
Частые вопросы
Какие языки распознаются?
Французский, английский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский и хинди. Вариант «французский + английский» подходит документам, где смешаны оба языка.
Сколько это занимает времени?
Несколько секунд на страницу. В первый раз загружается модуль распознавания (несколько МБ).
Будет ли мой PDF выглядеть иначе?
Нет. При варианте «PDF с поиском» страницы выглядят так же: распознанный текст добавляется невидимо, чтобы его можно было выделять и искать.
Можно получить только текст?
Да, выберите «Текстовый файл»: вы получите файл .txt с распознанным текстом, страница за страницей.
Распознаёт ли OCR рукописный текст?
Он рассчитан на печатный текст. Очень разборчивый почерк может быть распознан частично, но результат ненадёжен.
Можно запустить OCR для фотографии?
Сначала превратите фотографию в PDF через «Сканировать в PDF», затем пропустите этот PDF через «OCR PDF».
Мои файлы отправляются на сервер?
Нет. Всё происходит в вашем браузере: документы не покидают устройство.
Что делает OCR
Оптическое распознавание символов (OCR) читает текст на изображении каждой страницы. PDFRoll предлагает два варианта результата:
- «PDF с поиском»: PDF выглядит ровно так же, но под изображением размещается невидимый текстовый слой. После этого текст можно выделять, копировать и искать.
- «Текстовый файл»: только распознанный текст, страница за страницей, в файле .txt.
Пункт «Пропускать страницы, где текст уже есть», отмеченный по умолчанию, пропускает страницы с готовым текстом и экономит время на смешанных документах.
Выбор языка документа
В меню «Язык документа» есть французский отдельно или вместе с английским, а также английский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский и хинди. Правильно выбранный язык заметно улучшает распознавание, особенно букв с диакритикой.
При первом использовании загружается модуль распознавания (несколько МБ). Дальше рассчитывайте на несколько секунд на страницу, в зависимости от мощности устройства. Сам документ остаётся на вашем устройстве: распознавание выполняет ваш браузер.
Как добиться точного распознавания
- Начинайте с чёткого контрастного скана: размытый или бледный текст распознаётся плохо.
- Переверните страницы как надо через «Повернуть PDF» до запуска OCR.
- Печатный текст распознаётся гораздо лучше рукописного.
- Перепроверяйте важные числа и имена собственные: OCR может ошибаться.
Если текст не найден, проверьте выбранный язык и качество скана. Для длинного документа можно обработать только нужные страницы, предварительно выделив их через «Извлечь страницы».
До и после OCR
Чтобы превратить фотографии документов в PDF, начните со «Сканировать в PDF». Когда текст распознан, его можно перенести в редактируемый документ через «PDF в Word» или извлечь целиком через «PDF в текст».