Сканированный PDF против Searchable PDF: в чем разница?
Проверьте, содержат ли страницы изображения, текстовый слой или оба.
Введение
Два PDF-файла могут выглядеть одинаково, но вести себя по-разному. В одном можно выделить и поискать слова. В другом случае каждая страница ведет себя как фотография. Разница обычно заключается в том, содержит ли PDF полезную текстовую информацию.
Что такое Scanned PDF?
Сканированный PDF часто производится путем сканирования бумажных страниц или их фотографирования и сохранения изображений в PDF. Видимые буквы — это пиксели, а не текстовые символы. Без текстового слоя вы, как правило, не можете искать или копировать слова напрямую.
Что такое поисковый PDF?
Поисковый PDF содержит текст, который может найти совместимый читатель. Он может быть экспортирован непосредственно из Word, или это может быть сканирование с помощью текстового слоя, генерируемого OCR. Поисковое сканирование может сохранить исходное изображение страницы при добавлении невидимого распознанного текста.
Поисковая доступность не гарантирует точного распознавания, редактируемости или доступности.
Ключевые различия
| Особенность | Сканирование только с помощью изображений | Поисковая система PDF |
|---|---|---|
| Видимый внешний вид | Изображения страниц | Цифровые страницы или отсканированные изображения |
| Найдите слова | Как правило, нет | Обычно да. |
| Копировать текст | Требуется OCR | Часто возможны |
| Ошибки распознавания | Нет признанного текста | Возможно с OCR |
| Редактируемый макет | Не напрямую | Необязательно |
| Доступность | ограниченный | Требуется дополнительная структура |
Как определить свой PDF
Во-первых, попробуйте выбрать одно слово. Затем используйте Find для поиска отличительной фразы. Наконец, вставьте скопированный текст в редактор простого текста и сравните его со страницей. Неудачный поиск также может быть результатом плохого кодирования, поэтому ни один тест не является окончательным.
Как сделать сканер доступным для поиска
Шаг 1: Подготовьте страницы
Используйте четкие, вертикальные сканы с достаточным контрастом. Избегайте обрезанных краев, теней и размытия движения.
Шаг 2 Выберите программное обеспечение OCR
Выберите инструмент, который явно поддерживает оптическое распознавание символов и язык документа. Не каждый конвертер PDF включает OCR.
PDFreevert в настоящее время не предоставляет OCR. Используйте отдельное приложение с поддержкой OCR, чтобы сделать сканирование изображений доступным для поиска.
Шаг 3: распознать текст
Запустите OCR. В зависимости от инструмента, выходом может быть поиск PDF или редактируемый документ.
Шаг 4: проверьте точность
Поиск нескольких фраз и копирование репрезентативного текста. Внимательно проверяйте имена, даты, итоговые данные и идентификаторы; OCR может спутать такие символы, как O и 0.
Шаг 5: сохраните оригинал
Сохраняйте оригинальное сканирование для справки, особенно когда важна точность или целостность записи.
Какой тип вы должны использовать?
PDF-файлы только для изображений могут быть достаточными для простого визуального обмена. Поисковые PDF-файлы более полезны для исследований, сбора документов и поиска информации. Если вам нужно отредактировать абзацы или извлечь таблицы, может потребоваться дополнительное преобразование и проверка.
Обычные проблемы OCR
Многостолбцовые страницы могут привести к неправильному порядку чтения. Почерк и необычные шрифты могут быть распознаны плохо. Текстовый слой может содержать ошибки, даже если видимое сканирование выглядит идеально. Поискоспособность также не заменяет доступный тег и логический порядок чтения.
Часто задаваемые вопросы
Может ли отсканированный PDF стать доступным для поиска?
Да, путем добавления распознанного текста через OCR.
Всегда ли OCR меняет внешний вид?
Нет. Некоторые рабочие процессы сохраняют оригинальные изображения страниц.
Является ли PDF полностью редактируемым?
Нет. Редактирование часто требует редактора PDF или преобразования в другой формат.
Почему копируемый текст содержит ошибки?
Распознавание OCR или отображение символов может быть неправильным.
PDF/A автоматически делает сканирование доступным для поиска?
Нет. Архивное соответствие и OCR являются отдельными проблемами.
Заключение
Сканирование только изображения сохраняет то, как выглядит страница; PDF с возможностью поиска также предоставляет текстовую информацию. Используйте OCR, когда поиск или извлечение имеет значение, и проверьте важные результаты. Для других рабочих процессов PDF посетите PDFreevert.