Как распознать текст в PDF-скане: OCR без ошибок
Скан PDF выглядит как документ, но для компьютера это набор картинок. Текст нельзя выделить, скопировать или найти поиском. OCR (optical character recognition) распознаёт символы на изображении и превращает их в редактируемый текст.
Когда нужен OCR
- Договоры и акты, полученные сканами.
- Книги и статьи без текстового слоя.
- Архивы документов, по которым нужен поиск.
- Сканы для дальнейшего редактирования или перевода.
Почему качество зависит от скана
OCR смотрит на форму букв. Если скан размытый, наклонённый или с тенями, алгоритм ошибается. Оптимально — ровный лист, равномерный свет и разрешение от 200–300 dpi. Фотография с телефона тоже подойдёт, если текст крупный и резкий.
Как распознать PDF
- Откройте распознавание текста и загрузите PDF.
- Выберите язык: русский, английский или оба.
- Укажите страницы, если документ большой.
- Нажмите «Распознать» и скачайте результат.
Обработка идёт на сервере: файл удаляется сразу после завершения, мы не храним документы и распознанный текст. Лимиты — до 20 страниц и 50 МБ за один раз.
Что делать с результатом
Если нужен только текст, подойдёт извлечение текста. Оно работает быстро, но только когда текстовый слой уже есть — для сканов сначала нужен OCR. Если же нужно сохранить внешний вид страниц, используйте PDF в изображения.
Как улучшить точность
- Разрежьте документ на страницы с одинаковой ориентацией.
- Уберите поля и лишние элементы, если они мешают.
- Не распознавайте рукописный текст — качество будет низким.
- Проверяйте числа, даты и имена: ошибки в них критичны.
Частые вопросы
Можно ли распознать текст с фотографии?
Инструмент принимает PDF. Фото можно сначала перевести в PDF в конвертере, а затем распознать.
Сколько языков поддерживается?
Русский и английский, по отдельности или вместе.
Хранится ли файл на сервере?
Нет. Файл обрабатывается во временной папке и удаляется сразу после завершения, даже при ошибке.
OCR экономит часы ручного набора, но не заменяет проверку. Всегда сверяйте цифры, даты и имена — особенно в документах, которые пойдут дальше по работе.