Bạn quét một báo cáo nhiều trang và lưu dưới dạng PDF. Khi mở file và nhấn Ctrl+F (hoặc ⌘+F trên Mac), không tìm thấy kết quả nào - thậm chí không tìm thấy cả một từ mà bạn nhìn thấy rõ ràng ở trang đầu tiên. Tài liệu này là ảnh, và ảnh không chứa văn bản có thể tìm kiếm.
Làm cho PDF quét được tìm kiếm được có nghĩa là thêm một lớp văn bản vô hình phía sau các ảnh. Lớp văn bản này chính là thứ mà Ctrl+F, hệ thống quản lý tài liệu và công cụ tìm kiếm đọc. Giao diện hiển thị của tài liệu vẫn giữ nguyên hoàn toàn.
OCR hoạt động như thế nào
Phần mềm Nhận dạng Ký tự Quang học (OCR) phân tích từng pixel của mỗi trang và xác định các ký tự, từ và cấu trúc bố cục. Sau đó, nó đặt những ký tự đó vào một lớp ẩn tại cùng vị trí với phần văn bản hình ảnh tương ứng. Kết quả là một PDF trông giống hệt bản quét gốc nhưng có văn bản thật sự bên dưới, có thể chọn và tìm kiếm được.
Cách làm cho PDF của bạn có thể tìm kiếm với Pagivo
- MởHỏi PDFtrên Pagivo và đăng nhập nếu được yêu cầu.
- Tải lên tệp PDF đã quét của bạn.
- Nhập một yêu cầu nhưmake this PDF searchable with OCR.
- Nhấp vàoProcess and download. Pagivo chạy OCR trên các trang cần thiết và trả về tài liệu với lớp văn bản có thể tìm kiếm đã được thêm vào.
- Mở kết quả trong bất kỳ trình xem PDF nào và nhấn Ctrl+F. Các từ khóa tìm kiếm của bạn bây giờ sẽ được tìm thấy.
Các yếu tố ảnh hưởng đến độ chính xác
OCR hoạt động tốt nhất trên các tài liệu sạch, được quét chất lượng. Một số yếu tố ảnh hưởng đến độ chính xác của lớp văn bản:
- Độ phân giải quét.300 DPI là mức tối thiểu thực tế để OCR đáng tin cậy. Độ phân giải thấp hơn cho kết quả nhận dạng ký tự không đáng tin cậy, đặc biệt với văn bản nhỏ.
- Độ thẳng của trang.Trang bị nghiêng hoặc cong gây nhầm lẫn cho việc phát hiện ranh giới ký tự. Vì lý do này, máy quét phẳng luôn cho kết quả tốt hơn camera điện thoại.
- Độ rõ của phông chữ.Các phông chữ in tiêu chuẩn được nhận dạng với độ chính xác rất cao. Phông chữ trang trí, văn bản rất nhỏ (dưới 8pt tương đương ở 300 DPI), và các bản quét bị nén nhiều gây ra nhiều lỗi nhận dạng hơn.
- Chữ viết tay.Hầu hết các công cụ OCR được huấn luyện trên văn bản in. EXPECT chất lượng thấp hơn hoặc kết quả hầu như không sử dụng được trên các trang viết tay.
Khi bạn cần chỉnh sửa nội dung, không chỉ tìm kiếm nó
OCR tạo ra một PDF có thể tìm kiếm - văn bản là thật nhưng trang vẫn trông giống như bản quét. Nếu bạn cần chỉnh sửa nội dung (sửa một cái tên, thay đổi ngày tháng, định dạng lại bảng), bạn cần chuyển đổi PDF sang định dạng có thể chỉnh sửa. Quy trình được khuyến nghị là: chạy OCR trước để tạo PDF có thể tìm kiếm, sau đó chuyển đổi PDF đó sang Word bằng cách dùngPDF sang Wordđể có chất lượng chuyển đổi tốt nhất.
Sử dụng Google Drive như một giải pháp thay thế miễn phí
Google Drive có OCR tích hợp sẵn miễn phí. Tải PDF lên Google Drive, nhấp chuột phải vào nó và chọnMở bằng Google Docs. Google chạy OCR và mở kết quả dưới dạng tài liệu có thể chỉnh sửa. Định dạng trang sẽ không được giữ nguyên, nhưng văn bản sẽ được trích xuất. Cách này hiệu quả đối với các tài liệu ngắn khi bạn chỉ cần nội dung văn bản, không cần bố cục gốc.