Using the tools
OCR: поиск по отсканированному PDF
Когда стоит запускать OCR, что добавляет текстовый слой и чего он не исправляет, а также какие ограничения по числу страниц действуют.
Updated
Что именно добавляет OCR
Скан — это изображение текста. OCR добавляет невидимый текстовый слой под изображением, благодаря которому начинают работать поиск, выделение и копирование. Само изображение не меняется — страница по-прежнему выглядит как скан.
Это важно при конвертации: если преобразовать отсканированный PDF в Word без OCR, получится пустой документ с изображением. Редактируемый текст появляется только при выборе опции OCR.
Когда результат будет несовершенным
Рукописный текст, печати, таблицы с объединёнными ячейками и снимки с телефона низкого разрешения чаще всего вызывают проблемы. OCR распознаёт символы, а не смысл, поэтому на выцветшей квитанции могут появиться правдоподобные на вид ошибки.
- Сканируйте с разрешением 300 dpi, если можете настроить сканер.
- Перед OCR обрежьте страницу по области с текстом — чёрные поля мешают распознаванию.
- Проверяйте цифры и имена посимвольно: именно в них чаще всего скрываются ошибки OCR.
Ограничения
OCR запускается как расширенная операция: 50 страниц за одну операцию на бесплатном тарифе и 200 на Pro — в пределах дневного лимита расширенных операций. Файлы, превышающие допустимый предел, отклоняются до начала обработки, а не в середине.
Tools mentioned
Still stuck?
Tell us the tool, the file size and the exact error text. That is usually enough to reproduce it.