Как исправить плохой OCR-текст в PDF
Некоторые PDF выглядят нормально, но ведут себя плохо: поиск ничего не находит или находит не те слова, а скопированный текст превращается в бессмыслицу. Часто файл при сканировании прошёл через слабую программу OCR или в шрифтах PDF нет информации, связывающей формы с буквами. OCR PDF может заменить старый текстовый слой или заново прочитать страницы по их изображениям.
Как исправить текст PDF
- Определите проблему Выделите несколько слов и вставьте их в текстовый редактор. Неверные, но читаемые слова указывают на плохой OCR, случайные символы – на проблему со шрифтом.
- Загрузите PDF в OCR PDF Откройте OCR PDF кнопкой выше и выберите файл.
- Выберите режим Для старого некачественного слоя OCR оставьте «Автоматически» – он заменит этот скрытый текст. Для абракадабры из-за шрифтов выберите «Принудительно»: каждая страница будет заново прочитана по своему изображению.
- Проверьте результат Скачайте PDF, найдите несколько слов и скопируйте абзац, чтобы проверить новый текст.
Две причины – два решения
Старый слой OCR заменяется
«Автоматически» находит скрытый текст, добавленный прежней программой OCR, удаляет его и заново распознаёт страницу современным движком.
Настоящий текст сохраняется
Текст, набранный в документе, в режиме «Автоматически» не затрагивается; заново обрабатываются только изображения и старый OCR-текст.
Повреждённые шрифты
Если при копировании получаются символы вроде «ÿþ» или квадратики, у шрифта нет правильной таблицы символов. «Принудительно» превращает каждую страницу в изображение и распознаёт её целиком.
Чем приходится платить за «Принудительно»
В режиме «Принудительно» настоящий текст становится частью изображения страницы и заменяется распознанным, поэтому ссылки и выделяемый исходный текст теряются. Используйте его только при необходимости.
Лучше исходник – лучше текст
Бледные, зашумлённые или перекошенные сканы дают плохой OCR в любой программе. Сначала очистите скан, затем запустите OCR.
Правильные языки
Выберите все языки, которые есть в документе. Отсутствующий язык – одна из самых частых причин неверных слов после OCR.
Полезно знать
- OCR никогда не бывает идеальным. Даже хороший результат может путать 0 и O, 1 и l или rn и m – проверяйте имена, числа и суммы.
- Если копирование не ошибочное, а заблокировано, у PDF есть ограничения прав – используйте Разблокировать PDF.
Исправление плохого OCR – часто задаваемые вопросы
Почему скопированный из PDF текст выглядит как абракадабра?
Либо скрытый OCR-текст плохого качества, либо шрифты PDF не связывают формы с настоящими буквами. Повторный OCR исправляет первое, режим «Принудительно» – второе.
Изменится ли вид страницы после повторного OCR?
В режиме «Автоматически» – нет, меняется только невидимый текст. В режиме «Принудительно» страницы сохраняются как изображения: выглядят так же, но текст уже не исходный.
Можно ли исправить одно неверное слово вручную?
Нет. OCR PDF заново распознаёт страницы; ручное исправление текста не предусмотрено.
Почему поиск всё ещё неверный после OCR?
Проверьте языки и качество скана. Низкое разрешение, сильное сжатие и рукописный текст приводят к ошибкам.
Это бесплатно?
Да. Это бесплатно, без регистрации и водяных знаков, а файлы удаляются после обработки.
Замените плохой текст в PDF
Загрузите PDF в OCR PDF, выберите режим и получите текст, который можно искать и копировать.
Исправить текст PDF