Skanujesz raport wielostronicowy i zapisujesz go jako PDF. Gdy go otwierasz i naciskasz Ctrl+F (lub ⌘+F na Macu), nic nie zostaje znalezione – nawet słowo, które wyraźnie widać na pierwszej stronie. Dokument jest obrazem, a obrazy nie zawierają tekstu z możliwością wyszukiwania.
Nadanie zeskanowanemu PDF-owi możliwości wyszukiwania polega na dodaniu niewidocznej warstwy tekstowej za obrazami. Warstwa tekstowa jest tym, co odczytują Ctrl+F, systemy zarządzania dokumentami i wyszukiwarki. Wygląd wizualny dokumentu pozostaje dokładnie taki sam.
Co robi OCR
Oprogramowanie OCR (Optycznego Rozpoznawania Znaków) analizuje każdy piksel każdej strony i identyfikuje znaki, słowa oraz strukturę układu. Następnie umieszcza te znaki w ukrytej warstwie na tej samej pozycji co odpowiadający tekst obrazu. Wynikiem jest PDF, który wygląda identycznie jak oryginalny skan, ale ma pod spodem rzeczywisty, zaznaczalny i przeszukiwalny tekst.
Jak nadać swojemu PDF-owi możliwość wyszukiwania za pomocą Pagivo
- OtwórzZapytaj PDFna Pagivo i zaloguj się, jeśli zostaniesz o to poproszony.
- Prześlij zeskanowany plik PDF.
- Wpisz żądanie, takie jakutwórz z tego pliku PDF plik z możliwością wyszukiwania za pomocą OCR.
- KliknijPrzetwórz i pobierz. Pagivo uruchamia OCR na stronach, które tego wymagają, i zwraca dokument z dodaną warstwą tekstu z możliwością wyszukiwania.
- Otwórz wynik w dowolnej przeglądarce PDF i naciśnij Ctrl+F. Twoje wyszukiwane hasła zostaną teraz znalezione.
Czynniki wpływające na dokładność
OCR działa najlepiej na czysto i dobrze zeskanowanych dokumentach. Kilka czynników wpływa na to, jak dokładna będzie warstwa tekstowa:
- Rozdzielczość skanu.300 DPI to praktyczne minimum dla niezawodnego OCR. Niższe rozdzielczości dają zawodne rozpoznawanie znaków, zwłaszcza w przypadku drobnego tekstu.
- Prostość strony.Skrzywiona lub zakrzywiona strona utrudnia wykrywanie granic znaków. Z tego powodu skanery płaskie konsekwentnie dają lepsze rezultaty niż aparaty w telefonach.
- Czytelność krój pisma.Standardowe czcionki drukowane są rozpoznawane z bardzo wysoką dokładnością. Czcionki dekoracyjne, bardzo drobny tekst (odpowiednik poniżej 8 pt przy 300 DPI) i mocno skompresowane skany generują więcej błędów rozpoznawania.
- Pismo odręczne.Większość silników OCR jest trenowana na tekście drukowanym. Na stronach z pismem odręcznym należy oczekiwać niższej dokładności lub w większości bezużytecznego wyniku.
Gdy potrzebujesz edytować treść, a nie tylko jej wyszukiwać
OCR tworzy plik PDF z funkcją wyszukiwania — tekst jest prawdziwy, ale strona nadal wygląda jak skan. Jeśli potrzebujesz edytować treść (poprawić nazwisko, zmienić datę, przerobić tabelę), musisz przekonwertować PDF do formatu edytowalnego. Zalecany przepływ pracy to: najpierw uruchom OCR, aby utworzyć PDF z funkcją wyszukiwania, a następnie przekonwertuj ten PDF do Worda za pomocąPDF to Wordaby uzyskać najlepszą jakość konwersji.
Korzystanie z Dysku Google jako darmowej alternatywy
Dysk Google ma wbudowany OCR bez dodatkowych kosztów. Prześlij PDF na Dysk Google, kliknij go prawym przyciskiem myszy i wybierzOtwórz za pomocą Dokumentów Google. Google uruchamia OCR i otwiera wynik jako edytowalny dokument. Formatowanie strony nie zostanie zachowane, ale tekst zostanie wyodrębniony. Sprawdza się to dobrze w przypadku krótkich dokumentów, w których potrzebna jest tylko treść tekstowa, a nie oryginalny układ.