Scanned PDF vs Searchable PDF: Jaký je rozdíl?
Zkontrolujte, zda stránky obsahují obrázky, textovou vrstvu nebo obojí.
Úvod
Dvě PPF mohou vypadat identicky, ale chovat se jinak. V jednom můžete zvýraznit a hledat slova. V jiné se každá stránka chová jako fotografie. Rozdíl je obvykle v tom, zda PDF obsahuje použitelné textové informace.
Co je skenovaný PDF?
Skenované PDF je často tvořeno skenováním papírových stránek nebo jejich fotografováním a uložením snímků v PDF. Viditelná písmena jsou pixely, ne nutně skutečné textové znaky. Bez textové vrstvy nelze obecně slova přímo vyhledávat ani kopírovat.
Co je to Vyhledatelný PDF?
Vyhledatelný PDF obsahuje text, který kompatibilní čtenář může najít. Může být vyvážen přímo z Word, nebo může být skenován textovou vrstvou vytvořenou OCR. Průhledný sken může zachovat původní obrázek stránky při přidávání neviditelného rozpoznaného textu.
Vyhledatelnost nezaručuje přesné rozpoznání, čitelnost nebo dostupnost.
Klíčové rozdíly
| Funkce | Image- pouze skenování | Vyhledatelný PDF |
|---|---|---|
| Viditelný vzhled | Obrázky stránek | Digitální stránky nebo skenované obrázky |
| Najít slova | Obvykle ne | Obvykle ano. |
| Kopírovat text | Vyžaduje OCR | Často možné |
| Chyby v uznání | Žádný uznávaný text | Možné u OCR |
| Editovatelný rozvržení | Ne přímo | Ne nutně. |
| Dostupnost | Omezeno | Vyžaduje dodatečnou strukturu |
Jak identifikovat Váš PDF
Nejdřív si zkus vybrat jedno slovo. Dále, použijte Najít hledat výraznou frázi. Nakonec vložte zkopírovaný text do editoru prostého textu a porovnejte jej se stránkou. Selhání vyhledávání může také vyplývat ze špatného kódování, takže žádný test není přesvědčivý.
Jak udělat skenování vyhledávání
Krok 1: Připravte stránky
Použijte čiré, svislé skeny s dostatečným kontrastem. Vyhněte se odstřiženým hranám, stínům a rozostření pohybu.
Krok 2: Vyberte si OCR software
Vyberte nástroj, který výslovně podporuje optické rozpoznávání znaků a jazyk dokumentu. Ne každý konvertor PDF obsahuje OCR.
PDFreevert v současné době neposkytuje OCR. Pomocí samostatné aplikace OCR-schopné skenovat pouze snímky.
Krok 3: Rozpoznávat text
Spusťte OCR. V závislosti na nástroji může být výstup vyhledávatelný PDF nebo editovatelný dokument.
Krok 4: ověřte přesnost
Vyhledat několik frází a kopírovat reprezentativní text. Pečlivě zkontrolujte názvy, data, součty a identifikátory; OCR může zaměňovat znaky, jako jsou O a 0.
Krok 5: Keep the Original
Zachovat původní sken pro referenci, zejména pokud jde o přesnost nebo integritu záznamu.
Který typ byste měli použít?
Pro jednoduché sdílení obrazu může být dostačující pouze PDF. Vyhledatelné PDF jsou užitečnější pro výzkum, sbírky dokumentů a vyhledávání informací. Pokud potřebujete upravit odstavce nebo extrahovat tabulky, může být nutná další přeměna a ověření.
Časté OCR problémy
Multi- column stránky mohou produkovat nesprávné pořadí čtení. Ruční psaní a neobvyklá písma mohou být rozpoznatelné špatně. Textová vrstva může obsahovat chyby, i když viditelný sken vypadá dokonale. Vyhledatelnost nenahrazuje ani přístupnou značku a logickou četbu.
Často kladené otázky
Může být skenovaný PDF prohledatelný?
Ano, přidáním uznávaného textu přes OCR.
Mění OCR vždy vzhled?
Ne. Některé pracovní toky si zachovají původní obrázky stránky.
Je PDF plně editovatelná?
Ne. Editace často vyžaduje editor PDF nebo konverzi na jiný formát.
Proč kopírovaný text obsahuje chyby?
OCR rozpoznávání nebo mapování znaků může být nesprávné.
PDF/A automaticky prohledává sken?
Ne. Archivní konformita a OCR jsou samostatné obavy.
Závěr
Image-only scan zachovává to, jak stránka vypadá; vyhledávatelný PDF také poskytuje textové informace. Při vyhledávání nebo extrakci použijte OCR a ověřte důležité výsledky. Pro další pracovní postupy PDF navštivte PDFreevert.