Отсканированные документы часто сохраняются как обычные картинки внутри PDF. Из-за этого в них невозможно выделить текст или найти нужное слово через сочетание клавиш Ctrl + F. Чтобы решить эту проблему, применяется технология OCR (оптическое распознавание символов). В этой инструкции мы разберем, как превратить «мертвый» скан в интерактивный документ. Кстати, если вы работаете со сложными документами, вам также может пригодиться руководство о том, как сделать PDF с закладками: пошаговое руководство.
Видеоинструкция
Шаг 1: Распознавание текста через Adobe Acrobat Pro
Adobe Acrobat — самый надежный инструмент для профессиональной работы с PDF. Чтобы сделать текст доступным для поиска:
- Откройте отсканированный PDF-файл в программе.
- Перейдите во вкладку Инструменты (Tools) и выберите Сканирование и распознавание (Scan & OCR).
- Нажмите кнопку Распознать текст (Recognize Text) и выберите вариант В этом файле (In This File).
- В открывшемся меню укажите язык документа (например, русский) и нажмите синюю кнопку Распознать текст.
- Сохраните изменения с помощью Ctrl + S.
Внимание: Бесплатная версия Adobe Acrobat Reader умеет только читать файлы. Для распознавания текста (OCR) требуется версия Acrobat Pro или сторонние аналоги.
Шаг 2: Использование бесплатных онлайн-сервисов
Если вам нужно обработать один-два файла, устанавливать тяжелый софт необязательно. Можно использовать бесплатные веб-инструменты (например, PDF24 или PDF2Go):
- Перейдите на сайт выбранного OCR-сервиса.
- Загрузите ваш скан-документ.
- Выберите русский язык в настройках распознавания.
- Нажмите кнопку Конвертировать и скачайте готовый PDF с возможностью поиска.
Дополнительно: Автоматизация OCR на Python
Если вам нужно обработать сотни отсканированных документов автоматически, можно использовать простой скрипт на Python с библиотекой pytesseract:
import pytesseract
from pdf2image import convert_from_path
# Конвертируем PDF в изображения
pages = convert_from_path('scan.pdf', 300)
for page in pages:
# Распознаем текст на русском языке
text = pytesseract.image_to_string(page, lang='rus')
print(text)Частые ошибки и устранение неполадок
- Вместо букв отображаются непонятные символы (кракозябры): Это происходит из-за неверной кодировки или неправильно выбранного языка OCR. Убедитесь, что перед запуском распознавания вы указали именно тот язык, на котором написан текст в документе.
- Поиск не находит некоторые слова: Причина в низком качестве сканирования. Если исходный текст размыт или слишком блеклый, алгоритм OCR может его пропустить. Попробуйте предварительно увеличить контрастность скана.
- Размер файла сильно увеличился: Текстовая подложка добавляет вес. После OCR рекомендуется оптимизировать документ.
После того как вы сделаете текст кликабельным, вы можете продолжить оформление документа. Например, изучите, как добавить нумерацию страниц в PDF: инструкция, или узнайте, как сделать заполняемый PDF: пошаговая инструкция для создания удобных цифровых бланков.
Часто задаваемые вопросы
Можно ли сделать PDF с поиском бесплатно?
Да, для этого можно использовать бесплатные онлайн-сервисы вроде PDF24, PDF2Go или PDF Candy, которые поддерживают функцию OCR.
Что такое OCR в PDF?
OCR (Optical Character Recognition) — это технология оптического распознавания символов, которая превращает изображение текста в настоящий выделяемый текст.
Почему поиск не работает после распознавания?
Возможно, был выбран неверный язык распознавания или качество исходного скана слишком низкое (менее 150 DPI), из-за чего программа не смогла распознать буквы.
