OCR PDF

Зробіть відсканований PDF придатним для пошуку й скопіюйте з нього текст. Сторінки виглядають точнісінько так само, а файл залишається на цьому пристрої.

Вибрати PDF або зображенняабо перетягніть їх сюди

Без завантаженняВаш файл залишається на цьому пристрої.
Мовні дані завантажуються один разЗавантажуються лише дані для читання обраних мов, а потім зберігаються на цьому пристрої.
Безкоштовно, без реєстраціїБез облікового запису й без денного ліміту.

Що відбувається з вашим файлом

Усе, що описано нижче, відбувається у вашому браузері, на вашому власному пристрої. PDF і фото нікуди не завантажуються, тож їх не бачить ніхто, зокрема й ми.

Текст розпізнає Tesseract — безкоштовний рушій OCR з відкритим кодом, що працює у вашому браузері. Він завантажується із самого pdfMB, а не із сервера іншої компанії.
Коли ви вперше використовуєте мову, її дані (від 0,5 до 3 MB) завантажуються з pdfMB і зберігаються в браузері. Це єдине завантаження: ваш файл нікуди не надсилається.
Кожна сторінка відмальовується як зображення з роздільністю 300 dpi і розпізнається рядок за рядком. Сторінки, де вже є справжній текст, пропускаються, якщо ви не попросите інакше.
Знайдені слова додаються на сторінку невидимим текстом точно над тими самими словами на зображенні. Після цього пошук, виділення й копіювання працюють у будь-якій програмі для перегляду PDF.
Нічого на сторінках не перемальовується й повторно не стискається. Новий текст дописується в кінець файлу, а оригінальний файл залишається всередині незмінним, байт у байт.
Фото потрапляють у PDF як є (фото JPEG повторно не стискаються), а текст додається поверх них.

Коротко

Виберіть PDF або фото
Перевірте мови
Натисніть «Розпізнати»
Завантажте або скопіюйте текст

Як зробити відсканований PDF придатним для пошуку

Виберіть PDF або одне чи кілька фото сторінок.
Перевірте мови. Мову цієї сторінки та англійську вже вибрано; додайте інші мови, які є в документі.
Натисніть «Розпізнати». Сторінки розпізнаються по черзі, і видно, яка з них зараз у роботі.
Завантажте PDF із пошуком або скопіюйте текст і збережіть його у файл .txt.

Поради для доброго результату

Скануйте з роздільністю 300 dpi, якщо сканер дає змогу її вибрати. За меншої роздільності дрібні літери читаються погано.
Фотографуйте сторінки рівно, прямо згори й за доброго світла, без тіні на тексті. Інструмент «Сканування в PDF» сам вирівняє сторінки.
Сторінки, що лежать боком чи догори дриґом, спершу поверніть правильно за допомогою інструмента «Повернути PDF».
Вибирайте лише ті мови, які справді є в документі. Зайві мови сповільнюють розпізнавання й можуть додати помилок.
Рукописний текст, дуже дрібний шрифт і декоративні шрифти розпізнаються погано, тож перевірте текст, перш ніж на нього покладатися.

Коли це знадобиться

Відскановані договори й листи

Знайдіть ім’я, дату чи суму в довгому скані через Ctrl+F, замість того щоб читати кожну сторінку.

Старі папери й архіви

Зробіть теки зі сканами придатними для пошуку, щоб комп’ютер знаходив документ за словами в ньому.

Фото оголошень і чеків

Скопіюйте текст із фото оголошення, меню чи чека й вставте його в повідомлення або перекладач.

Документи кількома мовами

Виберіть дві мови або більше, наприклад тайську й англійську чи китайську й англійську, — обидві розпізнаються на одній сторінці.

Чого він не вміє

OCR помиляється, особливо на розмитих фото, дрібному шрифті, таблицях і рукописному тексті. Завжди перевіряйте важливі імена, числа й суми.
Текст читається горизонтальними рядками. Вертикальний китайський чи японський текст і сторінки, повернуті боком, розпізнаються неправильно.
Верстка не відтворюється. Ви отримуєте текст для пошуку поверх оригінальної сторінки, а не документ Word, який можна редагувати.
Деякі мови в наших тестах розпізнаються гірше за інші. У списку мов вони позначені як «нижча точність».
Мовні дані завантажуються, коли ви вперше використовуєте мову (розмір показано до початку), тож першого разу потрібне підключення до інтернету.
Розпізнавання відбувається на вашому пристрої, тому на старих телефонах воно повільніше, а дуже довгим документам може забракнути пам’яті телефона. Спершу розділіть їх на частини.
PDF із паролем і PDF, власник яких заборонив зміни, розпізнати не можна.

Запитання про OCR

Що таке OCR?

OCR (оптичне розпізнавання символів) — це читання літер на зображенні й перетворення їх на справжній текст. Відсканований PDF — це лише зображення сторінок, тож шукати в ньому чи копіювати з нього не можна, доки він не пройде OCR.

Чи зміниться вигляд мого PDF?

Ні. Текст додається невидимим шаром, тож сторінки виглядають точнісінько так само. У наших тестах сторінки до і після збігаються піксель у піксель.

Мій документ завантажується на сервер?

Ні. Розпізнавання працює у вашому браузері. Завантажуються лише мовні дані, і лише з pdfMB. Ваш файл нікуди не надсилається.

Які мови він розпізнає?

32 мови цього сайту, зокрема англійську, тайську, китайську (спрощену й традиційну), японську, корейську, арабську, іврит, гінді, бенгальську, бірманську, російську та в’єтнамську. Якщо в документі кілька мов, виберіть їх усі.

Наскільки точне розпізнавання?

На чистих друкованих сторінках для більшості мов майже всі символи розпізнаються правильно. З фото, дрібним текстом і деякими писемностями складніше. Ми перевірили кожну мову й позначили слабші як «нижча точність».

Чому деякі сторінки пропускаються?

Сторінкам, де вже є справжній текст, наприклад створеним у Word, OCR не потрібне, тому вони залишаються як є. Позначте «Розпізнавати й сторінки, де вже є текст», щоб усе одно їх розпізнати.

Чи можна отримати лише текст?

Так. Після розпізнавання текст з’явиться під кнопкою завантаження. Натисніть «Копіювати текст» або «Завантажити .txt», щоб зберегти його як звичайний текстовий файл.