Коли варто розпізнавати текст
Відсканований договір, старий лист чи чек, сфотографований телефоном, — це просто зображення всередині PDF: у ньому не можна нічого знайти чи скопіювати речення, а програма зчитування з екрана не прочитає його вголос. Після OCR файл поводиться як звичайний цифровий документ і водночас виглядає як оригінальний паперовий.
Як отримати найкращий результат
- Скануйте з роздільною здатністю 300 DPI, якщо сканер дає вибір; 200 DPI — мінімум для дрібного шрифту.
- Кладіть сторінки рівно й подбайте про рівномірне освітлення; перекошений скан можна спершу вирівняти інструментом Вирівняти PDF. Тіні й згини — найчастіша причина пропущених слів.
- Виберіть мову документа. Якщо в ньому змішано англійську й турецьку, варіант «Англійська + турецька» прочитає обидві.
Якщо результат неправильний
- Літери переплутано або пропущено. Подивіться на скан у повному розмірі. Якщо вам самим важко його прочитати, OCR теж не впорається; відскануйте ще раз за кращого освітлення, поклавши сторінку рівно.
- Літери з діакритикою стають звичайними. Якщо «é» перетворюється на «e» або турецька «ş» — на «s», найімовірніше, вибрано не ту мову. Обробіть файл ще раз із відповідною мовою.
- Рукописний текст ігнорується. OCR створено для друкованого тексту. Акуратні друковані літери іноді розпізнаються, але підписи, нотатки на полях і текст, написаний прописом, розпізнаються ненадійно.
- Скопійовані таблиці втрачають стовпці. Розпізнані слова стоять точно там, де вони на сторінці, тож пошук працює. Але коли ви їх копіюєте, стовпці можуть злитися рядок за рядком; перевіряйте таблиці після конвертації у Word.
- Довгий скан обробляється кілька хвилин. Розпізнавання виконує ваш власний процесор, сторінка за сторінкою. Не закривайте вкладку або спершу витягніть потрібні сторінки й розпізнайте лише їх.
Як перевірити результат за хвилину
Не потрібно читати весь файл, щоб зрозуміти, чи спрацювало розпізнавання. Відкрийте новий PDF, натисніть Ctrl+F (Cmd+F на Mac) і пошукайте слово, яке точно є на сторінці, — ім’я, назву компанії, заголовок. Якщо переглядач виділить його в правильному місці, ця сторінка має робочий текстовий шар. Якщо нічого не знайдено, погляньте на цю сторінку: зазвичай вона бліда, перекошена або сфотографована під кутом.
Особливо уважно перевіряйте числа. Неправильно прочитану літеру в слові легко помітити з контексту, а неправильну цифру — ні, і найчастіше плутаються схожі символи: нуль і літера O, одиниця й мала літера l, п’ятірка й S, вісімка й B. Коли копіюєте номер рахунку, суму чи дату з розпізнаного скану, звірте їх із зображенням цифра за цифрою, перш ніж використовувати.
Що робити далі
Якщо у вас фото чи знімок екрана, а не PDF, інструмент Текст із фото одразу дасть вам слова у вигляді тексту.
Коли в PDF уже можна шукати, його можна конвертувати у Word, щоб редагувати текст, витягти з нього текст як звичайні слова або стиснути перед надсиланням електронною поштою — скани часто бувають великими.
Скануєте папір на Mac? Посібник як відсканувати документ у PDF на Mac розповідає про камеру iPhone і програму «Захоплення зображень» (Image Capture), а потім показує, як розпізнати текст у скані тут.