Распознавание текста в PDF
Превращайте отсканированные документы в PDF с поиском и копированием текста. Инструмент использует Tesseract OCR, чтобы распознавать текст на изображениях, и накладывает поверх исходных страниц невидимый текстовый слой. Внешний вид страниц сохраняется, а содержимое становится полностью доступным для поиска.
Как это работает
- Загрузите отсканированный PDF или PDF на основе изображений.
- Выберите один или несколько языков документа в списке языков с поиском.
- При желании настройте расширенные параметры (разрешение, бинаризация, белый список).
- Нажмите Начать распознавание и следите за ходом выполнения на индикаторе прогресса.
- По завершении просмотрите извлечённый текст, затем скачайте PDF с поиском или обычный файл
.txt.
Возможности
- Распознавание на нескольких языках с выбором языка через поиск
- Невидимый текстовый слой сохраняет исходный вид документа
- Индикатор прогресса и журнал в реальном времени во время обработки
- Скачивание результата как PDF с поиском или обычного текстового файла
- Копирование извлечённого текста в буфер обмена
- Три уровня разрешения для баланса между скоростью и точностью
Параметры
| Настройка | Значения | По умолчанию | Назначение |
|---|---|---|---|
| Разрешение | Стандартное (192 DPI), Высокое (288 DPI), Максимальное (384 DPI) | Высокое | Более высокое разрешение повышает точность для мелкого текста, но работает дольше |
| Бинаризация изображения | Вкл. / Выкл. | Выкл. | Повышает контраст чистых сканов, преобразуя их в чёрно-белые |
| Набор символов белого списка | Нет, Буквы и цифры, Числа и валюта, Только буквы, Только цифры, Счёт, Формы, Свой | Нет | Ограничивает распознаваемые символы, чтобы повысить точность для определённых типов документов |
| Белый список символов | Произвольный текст | Пусто | Ручной набор символов, если выбран набор «Свой» |
Сценарии использования
- Превращение отсканированных договоров и счетов в документы с поиском, чтобы искать по ним через Ctrl+F
- Извлечение текста из сфотографированных документов или старых бумажных записей
- Обработка чеков с набором «Счёт» для точного распознавания сумм и дат
- Создание доступных PDF из сканов, состоящих только из изображений, для соответствия требованиям
- Пакетное извлечение текста из отсканированных книг или руководств
Советы
- Выбирайте несколько языков, если документ содержит текст на разных языках (например, английские заголовки и основной текст на японском).
- Используйте бинаризацию для документов с выцветшим или малоконтрастным текстом: она может заметно повысить точность распознавания.
- Наборы белого списка «Счёт» и «Формы» значительно снижают число ложных срабатываний в структурированных документах, игнорируя лишние формы символов.