PDF с изображения, PDF с текст или и двете? Първо провери, после започни

Отвори PDF файла в програмата си за PDF или в браузъра. След това потърси дума, която виждаш на страницата, например име от заглавната част на писмото. Опитай също да маркираш и копираш един ред. Ако търсенето не намира нищо и нищо не може да се маркира, страницата се състои само от изображение. Разпознаването на текст е предназначено точно за това. Ако обаче в PDF файла ти вече може да се търси и целият текст може да се копира, обикновено изобщо не ти е нужно разпознаване на текст.

Как разпознаването на текст обработва страниците на твоя PDF
Страницата съдържа	Как да го разпознаеш	Какво се случва
Само изображение, например сканирана страница или снимка	Търсенето не намира нищо и текстът не може да се маркира.	Текстът се разпознава и се добавя като невидим текстов слой.
Само текст, който може да се маркира, например експортиран от текстообработваща програма	Търсенето и копирането вече работят.	Страницата се включва без повторно разпознаване. Ще получиш съобщение за това.
Текст, който може да се маркира, и изображение на една и съща страница	Една част от страницата може да се маркира, а друга — не. Или обикновена текстова страница съдържа лого.	Целият PDF се отхвърля и не се създава файл.
Нищо, например празна обратна страна	На страницата няма видимо съдържание.	Страницата се запазва и получаваш съобщение. Ако целият документ е празен, разпознаването се прекратява със съобщение.

Защо страниците със смесено съдържание се отхвърлят

Типичен пример е писмо, чиято заглавна част присъства като истински текст в PDF файла, докато самото писмо под нея е сканирано изображение. Ако инструментът приеме такава страница за готова текстова страница, сканираната част незабелязано ще остане без текст, в който може да се търси. Затова той отхвърля всеки PDF, който съдържа дори една страница с текст, който може да се маркира, и изображение едновременно. Тази проверка е умишлено строга. Тя се задейства и при обикновена текстова страница с лого, въпреки че там всъщност няма нужда от разпознаване. Освен това съществуващ текстов слой никога не се заменя или поправя без предупреждение, дори ако е грешен.

Ето как все пак да продължиш:

Ако в засегнатите страници вече може да се търси, например в корица с лого, можеш да ги премахнеш от копие на файла. Или раздели PDF файла, така че разпознаването да обхване само страниците, състоящи се изцяло от сканирани изображения. След това можеш отново да обединиш частите. Накрая провери търсенето в готовия файл.
Ако цялата страница със смесено съдържание трябва да стане достъпна за търсене, превърни я в страница, състояща се само от изображение. За целта експортирай страниците като JPG и събери изображенията отново в PDF. След това пусни разпознаване върху този PDF. Увери се, че текстът върху изображенията остава добре четим. При това и досегашният истински текст се превръща в изображение, а след това се разпознава отново. Затова го провери също толкова внимателно, колкото останалия текст. По този начин можеш да замениш и стар текстов слой с грешки.
Ако все още разполагаш с оригинала на хартия, ново сканиране като PDF само с изображения често е най-лесният начин.

Направи сканиран PDF достъпен за търсене: стъпка по стъпка

Избери PDF чрез „Избери файл“ или го пусни в полето. При всяко изпълнение се обработва точно един файл с размер най-много 50 MiB и до 20 страници.
В „Език на документа“ задай езика, на който е написан текстът: „Немски“, „Английски“ или „Немски и английски“.
В „Изходен формат“ избери между „PDF с възможност за търсене“ и „Текстов файл (TXT, UTF-8)“.
Натисни „Разпознаване на текст“. При първото стартиране страницата зарежда данните си за разпознаване, за което ти е нужна интернет връзка. След това страниците се разпознават последователно. Продължителността зависи от броя на страниците и от устройството ти. С „Отказ“ можеш да спреш по всяко време. Тогава не се създава файл, дори частично завършен.
Прочети в „Бележки за резултата“ дали отделни страници са били включени без разпознаване или са били празни. След това изтегли файла чрез „Изтегли“.
Отвори запазения файл и го провери по описания по-долу начин, преди да го изпратиш на някого или да изтриеш оригинала.

Оригиналният ти файл остава непроменен, а резултатът винаги е нов файл. За този процес не са ти нужни регистрация или плащане. С „Нулиране“ започваш със следващия PDF.

PDF с възможност за търсене, текстов файл или документ на Word?

Разпознаването на текст позволява текстът да бъде намиран, но не го прави автоматично редактируем. Какъв файл ти е нужен, зависи от това какво възнамеряваш да правиш с него след това.

Сравнение на трите възможни резултата
Резултат	Какво получаваш	Подходящо за
PDF с възможност за търсене	Всяка страница изглежда точно както преди. Освен това тя съдържа разпознатия текст като невидим слой, в който можеш да търсиш и който можеш да маркираш и копираш.	Съхраняване на документи и последващо намиране, търсене в дълги документи, копиране на отделни откъси
Текстов файл (TXT, UTF-8)	Получаваш само разпознатия текст, без изображения, шрифтове и оформление. Страниците следват една след друга и са разделени със знак за нова страница.	Прехвърляне на текста в друга програма или допълнителна обработка
Файл на Word (DOCX)	Инструментът не създава такъв файл. Първо запази PDF файла с възможност за търсене и след това го преобразувай в редактируем непрекъснат текст с PDF в Word. Изображението на страниците и оформлението не се запазват.	Преработване на текста и ново форматиране

Тъй като изображението на страницата остава непроменено, PDF файлът с възможност за търсене изглежда точно като сканирания документ. Това важи и когато отделни думи в невидимия текстов слой са разпознати погрешно. Само търсенето и копираният текст показват дали разпознаването е правилно. Освен това PDF файлът с възможност за търсене не е автоматично достъпен според PDF/UA, нито е архивен PDF според PDF/A. Този инструмент не създава нито един от двата вида.

Откъс от сканираната страница с редовете „Rechnung Müller & Söhne“ и „Betrag: 1.234,56 EUR“. Страницата се състои само от изображение. — Двете страници изглеждат еднакво. Разликата е във файла: PDF файлът с възможност за търсене съдържа и невидим текстов слой. Търсенето на „Müller“ намира думата и можеш да маркираш и копираш текста.
При разпознаването на текст думите или числата може да бъдат разчетени неправилно. Този пример не показва какъв ще бъде резултатът за твоите документи. Провери в резултата си особено внимателно имената, сумите и буквите с умлаут.

Същият откъс след разпознаването на текста. Изглежда непроменен и продължава да показва „Rechnung Müller & Söhne“ и „Betrag: 1.234,56 EUR“. — Двете страници изглеждат еднакво. Разликата е във файла: PDF файлът с възможност за търсене съдържа и невидим текстов слой. Търсенето на „Müller“ намира думата и можеш да маркираш и копираш текста.
При разпознаването на текст думите или числата може да бъдат разчетени неправилно. Този пример не показва какъв ще бъде резултатът за твоите документи. Провери в резултата си особено внимателно имената, сумите и буквите с умлаут.

Избор на език: немски, английски или и двата

Настройката за език указва на разпознаването какви думи и знаци да очаква. За немски текстове с ä, ö, ü и ß избери „Немски“. Ако документът съдържа и двата езика, например писмо на немски с английски специализирани термини или адрес на английски, избери „Немски и английски“. Инструментът не е предназначен за други езици.

Изборът на език не превежда нищо. Текстът се разпознава на езика, на който е написан в сканирания документ. Разпознаването е предназначено за печатен текст и не разпознава надеждно ръкописен текст.

Провери резултата: имена, числа и умлаути

Разпознаването на текст определя буквите по пикселите на изображението. При това могат да възникнат грешки, особено при цифри, собствени имена и знаци, които си приличат. Затова при важни документи си струва да направиш кратка проверка:

Отвори запазения PDF и потърси с Ctrl+F (Mac: Cmd+F) няколко думи, които виждаш в сканирания документ. Най-добре избери име, дума с умлаут или ß като „Straße“ и число.
Маркирай абзац, копирай го в текстообработваща програма и го сравни със сканирания документ. Правилни ли са имената, сумите като 1234,56, датите, номерата на преписки и умлаутите? Объркани ли са подобни знаци като 0 и O или 1 и l?
При колони и таблици обърни внимание на последователността. Колоните и клетките на таблиците не се възстановяват. Затова в копирания текст те могат да бъдат подредени различно от показаното на страницата.
Ако си избрал текстов файл, провери същите места директно в него.

В този инструмент не можеш да поправяш грешки в разпознатия текст. За важни данни разчитай на видимото изображение на страницата, а не на копирания текст.

По-добър оригинал, по-добро разпознаване

Много грешки възникват още при сканирането, например поради твърде ниска резолюция, накриво подадени страници, слаб контраст, петна или много дребен шрифт. Затова сканирай важните документи така, че страниците да са възможно най-добре подравнени, а изображението да е ясно и с добър контраст. За обичайни размери на шрифта са подходящи около 300 dpi. Наклонените страници тук не се изправят автоматично. Ако страница е завъртяна настрани или с главата надолу, завърти я предварително, така че текстът да се показва изправен. Англоезичното ръководство за качеството на изображенията при разпознаване на текст обяснява как резолюцията, наклонът и шумът в изображението влияят на разпознаването.

Ограничения и съобщения: как да продължиш

Няма опашка за обработка на няколко файла. Не можеш и да избираш отделни страници за разпознаване — винаги се обработват всички страници на PDF файла. Таблицата показва кога файлът се отхвърля или се появява съобщение и какво можеш да направиш тогава.

Чести ограничения и съобщения при разпознаването на текст
Ситуация	Какво можеш да направиш
PDF файлът има повече от 20 страници.	Раздели PDF файла на части с най-много 20 страници и пусни разпознаване за всяка част поотделно. Тук разделянето работи за файлове до 50 MiB и 250 страници. Ако накрая отново ти е нужен един файл, обедини резултатите и провери търсенето в обединения PDF.
PDF файлът е по-голям от 50 MiB.	Сканирай документите отново на по-малки части или раздели PDF файла с програма за PDF на компютъра си.
Трябва да бъдат разпознати само отделни страници.	Изтрий останалите страници от копие или раздели PDF файла.
Една страница съдържа едновременно текст и изображение.	PDF файлът се отхвърля. Решения ще намериш по-горе в раздела за страници със смесено съдържание.
Форматът на страница е много голям, например при план или плакат.	Страниците се разпознават при до 300 dpi и най-много 12 мегапиксела. Ако заради това резолюцията на някоя страница би паднала под 144 dpi, PDF файлът се отхвърля. В такъв случай сканирай големите оригинали на по-малки части.
PDF файлът е подписан, защитен с парола или повреден.	Инструментът не обработва такива файлове. За подписани документи ще ти помогне ръководството за подписи и формуляри. При защита с парола или повреден файл помоли изпращача за нова, незащитена версия.
Съобщение: „Страница … вече съдържа текст и е включена без разпознаване на текст.“	В тази страница вече е можело да се търси. Провери чрез търсенето дали текстът ѝ е правилен.
Съобщение: „На страница … не е разпознат текст.“	При празна обратна страна това е нормално. Ако там има видим текст, сканираното изображение вероятно е твърде бледо, твърде дребно или твърде наклонено. Тогава сканирай страницата отново.
В целия документ не е разпознат текст.	Не се създава файл. Провери дали страниците действително съдържат четим текст и опитай с по-качествен оригинал.
Съобщение, че разпознати знаци не са могли да бъдат включени в текстовия слой с възможност за търсене.	Изображението на страницата остава непроменено, само търсенето не намира тези знаци. Ако са ти нужни, пусни допълнително разпознаване с изходен формат текстов файл. В него те са включени.
Данните за разпознаване не могат да се заредят.	Провери интернет връзката си и презареди страницата. Без напълно заредени данни за разпознаване не може да се обработи нито един файл.
Етап от разпознаването продължава повече от три минути.	Тогава инструментът прекратява обработката. Затвори други програми или раздели, които натоварват устройството, и опитай отново, при нужда на по-мощно устройство.
Резултатът би бил по-голям от 100 MiB.	Не се създава файл. Раздели PDF файла и пусни разпознаване за частите поотделно или избери текстов файл.

Остава ли PDF файлът на устройството ти? И работи ли без интернет?

Твоят PDF се обработва в този браузър и не се изпраща към сървър. За разпознаването на текст страницата изтегля само програмата си и данните за избрания език, при това от самия този сайт, а не от външни услуги.

Затова при стартиране ти е нужна интернет връзка, защото без данните за разпознаване не може да се обработи нито един файл. И при следващо посещение може да се наложи страницата да зареди тези данни отново. Стартиране изцяло без интернет не е предвидено и не се гарантира.

На страницата за сигурност и обработка на файлове е обяснено как сайтът по принцип обработва файловете ти.

Разпознаване на текст в PDF с OCR

Резултат

Бележки за резултата