OCR PDF

Udělejte z naskenovaného PDF prohledávatelný dokument a zkopírujte z něj text. Stránky vypadají úplně stejně a váš soubor zůstává v tomto zařízení.

Vybrat PDF nebo obrázkynebo je sem přetáhněte

Bez nahráváníVáš soubor zůstává v tomto zařízení.
Jazyková data se stáhnou jednouStáhnou se jen čtecí data pro vaše jazyky a poté zůstanou v tomto zařízení.
Zdarma, bez registraceBez účtu a bez denního limitu.

Co se děje s vaším souborem

Všechno níže probíhá ve vašem prohlížeči, ve vašem vlastním zařízení. PDF ani fotky se nikam nenahrávají, takže je nikdo jiný — ani my — neuvidí.

Text čte Tesseract, bezplatný open-source nástroj pro OCR, který běží ve vašem prohlížeči. Načítá se přímo z pdfMB, ne ze serveru jiné firmy.
Když jazyk použijete poprvé, jeho data (0,5 až 3 MB) se stáhnou z pdfMB a prohlížeč si je uloží. Je to jediné stahování: váš soubor nikam neodchází.
Každá stránka se vykreslí jako obrázek v rozlišení 300 dpi a čte se řádek po řádku. Stránky, které už skutečný text mají, se přeskočí, pokud si je nevyžádáte.
Nalezená slova se na stránku přidají jako neviditelný text, umístěný přesně nad stejnými slovy v obrázku. Vyhledávání, označování a kopírování pak funguje v každé čtečce PDF.
Nic na stránkách se znovu nevykresluje ani nekomprimuje. Nový text se připojí na konec souboru a původní soubor v něm zůstane beze změny, bajt po bajtu.
Fotky se do PDF vloží tak, jak jsou (fotky JPEG se znovu nekomprimují), a text se přidá přes ně.

Ve zkratce

Vyberte PDF nebo fotky
Zkontrolujte jazyky
Klepněte na „Přečíst“
Stáhněte nebo zkopírujte text

Jak udělat naskenované PDF prohledávatelné

Vyberte PDF, nebo jednu či více fotek stránek.
Zkontrolujte jazyky. Jazyk této stránky a angličtina jsou vybrané předem; přidejte každý další jazyk, který se v dokumentu vyskytuje.
Stiskněte „Přečíst“. Stránky se čtou jedna po druhé a vidíte, která se právě čte.
Stáhněte prohledávatelné PDF, nebo zkopírujte text a uložte ho jako soubor .txt.

Tipy pro dobrý výsledek

Pokud to skener umožňuje, skenujte v rozlišení 300 dpi. Při nižším rozlišení se malá písmena čtou špatně.
Stránky foťte rovně položené, kolmo shora a při dobrém světle, bez stínu přes text. Nástroj „Skenování do PDF“ stránky narovná za vás.
Stránky otočené na bok nebo vzhůru nohama nejdřív otočte správně pomocí „Otočit PDF“.
Vybírejte jen jazyky, které v dokumentu opravdu jsou. Další jazyky čtení zpomalují a mohou přidat chyby.
Rukopis, velmi drobné písmo a ozdobná písma se čtou špatně, proto text před použitím zkontrolujte.

Kdy se to hodí

Naskenované smlouvy a dopisy

Najděte jméno, datum nebo částku v dlouhém naskenovaném dokumentu pomocí Ctrl+F, místo abyste četli každou stránku.

Staré dokumenty a archivy

Udělejte ze složek plných naskenovaných stránek prohledávatelné dokumenty, aby počítač dokázal najít dokument podle slov v něm.

Fotky oznámení a účtenek

Zkopírujte text z fotky oznámení, jídelního lístku nebo účtenky a vložte ho do zprávy nebo do překladače.

Dokumenty ve více jazycích

Vyberte dva nebo více jazyků, třeba thajštinu a angličtinu nebo čínštinu a angličtinu, a na stejné stránce se přečtou oba.

Co to neumí

OCR dělá chyby, hlavně u rozmazaných fotek, drobného písma, tabulek a rukopisu. Důležitá jména, čísla a částky vždy zkontrolujte.
Text se čte ve vodorovných řádcích. Svislý čínský nebo japonský text a stránky otočené na bok se nepřečtou správně.
Rozvržení stránky se neobnovuje. Dostanete prohledávatelný text přes původní stránku, ne upravitelný dokument Word.
Některé jazyky se v našich testech čtou méně přesně než jiné. V seznamu jazyků jsou označené jako „nižší přesnost“.
Jazyková data se stahují při prvním použití jazyka (velikost uvidíte před začátkem), takže napoprvé je potřeba připojení k internetu.
Čtení probíhá ve vašem zařízení, takže na starších telefonech je pomalejší a velmi dlouhé dokumenty mohou vyčerpat paměť telefonu. Nejdřív je rozdělte na části.
PDF chráněná heslem a PDF, jejichž vlastník zakázal změny, přečíst nelze.

Dotazy k OCR

Co je OCR?

OCR (optické rozpoznávání znaků) znamená přečíst písmena na obrázku a převést je na skutečný text. Naskenované PDF jsou jen obrázky stránek, takže v něm nemůžete vyhledávat ani z něj kopírovat, dokud neprojde OCR.

Bude moje PDF vypadat jinak?

Ne. Text se přidá jako neviditelná vrstva, takže stránky vypadají úplně stejně. V našich testech jsou stránky před a po shodné pixel po pixelu.

Nahrává se můj dokument?

Ne. Čtečka textu běží ve vašem prohlížeči. Stahují se jen jazyková data, z pdfMB. Váš soubor se nikam neposílá.

Jaké jazyky umí přečíst?

32 jazyků tohoto webu, mimo jiné angličtinu, thajštinu, čínštinu (zjednodušenou i tradiční), japonštinu, korejštinu, arabštinu, hebrejštinu, hindštinu, bengálštinu, barmštinu, ruštinu a vietnamštinu. Pokud dokument jazyky mísí, vyberte jich několik.

Jak je to přesné?

Na čistých tištěných stránkách se ve většině jazyků přečte správně téměř každý znak. Fotky, drobný text a některá písma jsou těžší. Otestovali jsme každý jazyk a ty slabší označujeme jako „nižší přesnost“.

Proč se některé stránky přeskakují?

Stránky, které už skutečný text mají, třeba stránky vytvořené ve Wordu, OCR nepotřebují, a proto zůstanou, jak jsou. Pokud je chcete přečíst i tak, zaškrtněte „Číst i stránky, které už text mají“.

Můžu získat jen text?

Ano. Po přečtení se text zobrazí pod tlačítkem pro stažení. Stiskněte „Kopírovat text“, nebo „Stáhnout .txt“ a uložte ho jako obyčejný textový soubor.