PDF OCR

Что создаёт этот инструмент

Результат представляет собой обычный текст с меткой страницы перед текстом, распознанным на каждой странице. Инструмент не выполняет следующие действия:

• не добавляет в PDF скрытый текстовый слой
• не воссоздаёт колонки, таблицы, формы и исходное оформление
• не сохраняет визуальный макет страницы
• не переводит документ
• не проверяет правильность распознанного текста

Если вам нужен PDF, в котором отсканированные страницы сохранены и дополнены текстом для поиска, используйте специальное приложение для создания PDF с возможностью поиска или настольную программу OCR.

Какие документы распознаются лучше

OCR предназначен для печатного текста. Ровный и чёткий скан с хорошим контрастом распознаётся легче, чем размытая фотография, выцветший факс или повреждённая страница. Декоративные шрифты, рукописный текст, математические обозначения, плотно расположенные колонки и сложные таблицы могут привести к ошибкам и нарушению порядка текста.

Инструмент принимает PDF размером до 20 МБ и объёмом до 40 страниц. Распознавание выполняется постранично и может требовать много памяти, особенно для больших страниц или изображений с высоким разрешением. Если браузеру не хватает памяти, разделите PDF на несколько файлов и обработайте их отдельно.

Поддерживаемые языки OCR

Можно выбрать английский, испанский, французский, немецкий, итальянский, португальский, нидерландский, русский, японский, китайский (упрощённый), корейский или арабский язык.

До открытия файла выберите основной язык документа. Страницу с несколькими языками или системами письма иногда приходится обрабатывать несколько раз. Даже в этом случае похожие символы могут быть перепутаны.

Проверка распознанного текста

Перед использованием результата всегда сверяйте его с исходным PDF. Особое внимание уделите следующим данным:

• имена, адреса и идентификационные номера
• даты, суммы, десятичные разделители и знаки минуса
• юридические, медицинские, финансовые инструкции и правила безопасности
• разрывы страниц и порядок чтения в многоколоночных документах

Не считайте результат OCR официальной копией важного документа.

Обработка файлов и скачивание

Исходный PDF читается локально в браузере. Он не включается в адрес страницы и не отправляется на наш сервер. Браузер может загрузить по сети библиотеки для отрисовки PDF и OCR, а также модель выбранного языка.

При копировании распознанный текст остаётся в браузере и записывается в буфер обмена. Скачать TXT локально создаёт производный файл .txt и сохраняет его без загрузки на сервер. Если вы выберете Создать страницу скачивания, инструмент загрузит только этот текстовый файл и создаст защищённую ссылку на результат. Файл может храниться до 7 дней. Если эта необязательная загрузка не удастся, локальное скачивание останется доступно.