Проверьте, нужен ли OCR

Откройте PDF в программе чтения, нажмите Ctrl+F и введите хорошо различимое слово с первой страницы. Затем выделите мышью одну строку. Если выделяются отдельные буквы, скопируйте их в Блокнот. Когда текст копируется, но поиск ломается только на отдельных страницах, проверьте эти страницы по одной. В одном документе могут соседствовать обычный текст и сканы.

Запрет на копирование в защищённом файле тоже может помешать проверке. Посмотрите свойства документа и права доступа. Если ограничения установил владелец, запросите у него доступную копию.

Что находится внутри страницы. Изображение. Пиксели видны, букв для поиска нет. Скан после OCR. Видимый лист и распознанный текстовый слой
Что находится внутри страницы. Открыть схему крупнее ↗На небольшом экране схему можно прокрутить по горизонтали.

Распознайте одну страницу перед обработкой всего файла

Возьмите копию PDF. В Acrobat с функцией OCR откройте инструмент «Сканирование и OCR» и выберите распознавание текста в этом файле. Укажите диапазон из одной сложной страницы и язык текста. Если документ содержит два языка, проверьте, позволяет ли ваша программа выбрать оба. В остальных случаях протестируйте страницы с разными языками отдельно.

Для отправки или хранения с исходным оформлением сохраните PDF с возможностью поиска. Для редактирования абзацев можно отдельно экспортировать текст, но результат экспорта проверьте в таблицах и колонках. Порядок чтения, переносы и границы ячеек могут измениться.

  1. Выберите фрагмент с мелкими буквами или цифрами.
  2. Выполните OCR на копии и найдите слово из этого фрагмента.
  3. После удачной проверки обработайте остальные страницы и сохраните под новым именем.

Проверьте фамилии, даты и реквизиты

Ищите слово в начале и конце файла. Скопируйте строку с номером договора и сравните её со сканом посимвольно. Похожие знаки вроде «О» и «0», «З» и «3» особенно легко перепутать. Если в документе несколько колонок, вставьте по строке из каждой и проверьте порядок текста.

Поворот листа, тень возле корешка и бледный шрифт снижают читаемость исходника. Исправьте поворот, пересканируйте сложную страницу с подходящим разрешением и повторите OCR на ней. Когда бумажный оригинал недоступен, отмечайте места, которые нельзя прочесть уверенно.

Контроль результата. Найти. Слово на разных страницах. Скопировать. Строку с номером или датой. Сверить. Каждый символ с исходным сканом
Контроль результата. Открыть схему крупнее ↗На небольшом экране схему можно прокрутить по горизонтали.

Частые вопросы

Сделает ли OCR файл меньше?

Размер может как уменьшиться, так и вырасти. Сжатие изображения настраивают отдельно, а его результат проверяют по читаемости.

Что делать с конфиденциальным документом?

Выберите OCR с локальной обработкой и проверьте настройки приложения. Сохраните копии в месте с тем же уровнем доступа, что и оригинал.

Нашли неточность? Сообщите редакции.