Как сделать PDF доступным для поиска или извлечь текст
Выбирайте между извлечением текста и распознаванием OCR: практический пример для цифровых PDF-файлов, сканов и смешанных документов.
Начните со слова
Откройте документ в программе чтения PDF и попробуйте выделить и скопировать слово. Если вы получаете читаемый текст, PDF-файл уже содержит слой текста: «PDF в текст» может извлечь его без оптического распознавания. На скане уже может быть слой оптического распознавания символов, поэтому одного только фотографического вида недостаточно, чтобы отличить его.
Как сделать PDF доступным для поиска
Если вы не можете выбрать слова, возможно, страница представляет собой изображение. PDF OCR анализирует изображение и распознает символы на 12 доступных языках. Выберите TXT для копируемого текста или PDF с возможностью поиска, чтобы сохранить внешний вид страниц с текстовым слоем.
При первом использовании движок скачивается с сайта; скан остается на устройстве. Обрабатывайте по несколько страниц за раз, не более 20, особенно на телефоне.
Пример со смешанным документом
Документ содержит две страницы с цифровым текстом и три отсканированные квитанции. Используйте «PDF в текст» для цифровых страниц и OCR только для квитанций: так уже доступный текст не придется распознавать повторно. Результат OCR включает только выбранные страницы.
Проверьте цифры и порядок чтения
Сравните текст с оригиналом, особенно даты, суммы, имена и коды. OCR не всегда правильно восстанавливает таблицы и колонки; при извлечении в TXT шрифты и верстка не сохраняются. Для визуальной копии страницы используйте «PDF в JPG и PNG».