Ako upraviť text naskenovaného PDF (OCR) pomocou Wondershare PDFelement

Ak ste sa niekedy stretli s a naskenovaný PDF súbor, ktorý potrebujete opraviť alebo aktualizovaťViete, aké frustrujúce je, keď sa nedá vybrať alebo zmeniť text. Na prvý pohľad to vyzerá ako bežný dokument, ale v skutočnosti máte pred sebou obrázok vložený do PDF súboru, ktorý je úplne uzamknutý pred úpravami.

Dobrou správou je, že v dnešnej dobe je to veľmi jednoduché Preveďte naskenovaný PDF súbor do upraviteľného súboru pomocou technológie OCR (Optické rozpoznávanie znakov). Jedným z najkompletnejších programov na tento účel, a to ako vo Windowse, tak aj vo Macu, je Wondershare PDFelement, ktorý integruje veľmi výkonný OCR engine, ktorý je k dispozícii aj v profesionálnej skúšobnej verzii, takže si ho môžete vyskúšať pred kúpou.

Čo je OCR a prečo nie je možné upravovať naskenovaný PDF súbor?

Pri skenovaní papierového dokumentu skener vygeneruje Fotografia obsahu (text, grafika, tabuľky, podpisy…)Výsledok sa uloží ako obrázok alebo ako PDF súbor založený na obrázku. V praxi to pre počítač nie je text, ale pixely, takže slovo nemôžete zvýrazniť, kopírovať ani upravovať.

Preto sa mnohí ľudia pýtajú sami seba: „Prečo nemôžem upravovať naskenovaný PDF súbor?“Dôvod je jednoduchý: naskenovaný PDF súbor neobsahuje žiadne textové znaky, iba obrázok. Nie je nič, čo by textový editor dokázal rozpoznať a priamo zmeniť.

Technológia optického rozpoznávania znakov (OCR) slúži práve tomuto účelu: Analyzuje obrázok, identifikuje každý znak a prevedie ho na digitálny text.Po použití OCR sa daný obsah stane voliteľným, upraviteľným a možno ho v dokumente aj vyhľadávať.

Použitie OCR umožňuje transformáciu naskenované súbory PDF, fotografie dokumentov alebo ručne písané formuláre v plne upraviteľných dokumentoch, pričom sa čo najviac zachováva pôvodný vzhľad. To uľahčuje úlohy, ako sú opravy, aktualizácie údajov, digitálna archivácia alebo extrakcia informácií do iných formátov.

Úprava textu naskenovaného PDF súboru pomocou Wondershare PDFelement (upraviteľný režim)

Wondershare PDFelement je veľmi kompletný editor PDF, ktorý obsahuje Profesionálny OCR modul kompatibilný s viac ako 20 jazykmi (Španielčina, angličtina, francúzština, nemčina, taliančina, portugalčina, arabčina, ruština, čeština, turečtina, kórejčina, indonézština atď.). Funkcia OCR PDF je k dispozícii v skúšobnej verzii PDFelement Professional, takže si ju môžete vyskúšať zadarmo predtým, ako sa rozhodnete, či si ju kúpite.

Keď otvoríte naskenovaný alebo obrázkový súbor PDF, PDFelement automaticky rozpozná, že ide o naskenovaný dokument V hornej časti okna sa potom zobrazí návrh na spustenie rozpoznávania OCR. Tam si môžete vybrať najvhodnejší režim v závislosti od toho, čo potrebujete so súborom urobiť.

Ak je vaším cieľom Upravte obsah PDF, upravte frázy, opravte chyby alebo zmeňte obrázky.Zaujíma vás režim „Skenovať do upraviteľného textu“. V tomto režime PDFelement vygeneruje nový PDF súbor, v ktorom je možné všetok rozpoznaný text upraviť, akoby išlo o dokument pôvodne vytvorený digitálne.

Postup použitia editovateľného OCR v PDFelemente je veľmi jednoduchý: otvorte naskenovaný dokument, prejdite do ponuky nástrojov OCR, Vyberiete si režim prevodu upraviteľného textu a vyberiete správny jazyk. obsahu (čo výrazne zvyšuje presnosť) a ak chcete, môžete definovať rozsah stránok, na ktorých chcete spustiť rozpoznávanie.

Po kliknutí na tlačidlo „Použiť“ program zobrazí indikátor priebehu a po dokončení procesu... Nový upraviteľný PDF súbor sa otvorí automaticky.Potom jednoducho kliknite na režim „Upraviť“ a začnite meniť text, pridávať nové odseky, odstraňovať nepotrebné časti alebo retušovať obrázky a diagramy.

Režim OCR s možnosťou vyhľadávania: Umožní vyhľadávanie a výber skenovaného PDF súboru

Od verzie 6.3.0 PDFelement Professional bola pridaná ďalšia veľmi zaujímavá možnosť: Režim vyhľadávania OCRTento režim je určený pre tých, ktorí nepotrebujú preformátovať ani zmeniť text, ale chcú mať možnosť vyhľadávať, vyberať a kopírovať fragmenty dokumentu.

V tomto prípade, keď prejdete do ponuky OCR v PDFelemente, vyberiete možnosť „Skenovanie pre vyhľadávanie textu v obrázku“Výsledkom je PDF súbor, ktorý vizuálne zostáva prakticky rovnaký (pôvodný obrázok sa zachová), ale pod ním je vložená neviditeľná textová vrstva, ktorá umožňuje vyhľadávať slová pomocou klávesových skratiek ako Ctrl+F.

Po vytvorení nového vyhľadávacieho súboru OCR budete môcť Vyberte ľubovoľný blok textu a skopírujte ho do schránky a vložte ho do dokumentu programu Word, e-mailu alebo akéhokoľvek nástroja, ktorý uprednostňujete. Je to veľmi užitočné riešenie, ak pracujete s manuálmi, zmluvami alebo dlhými dokumentmi, kde je kľúčové nájsť konkrétne informácie.

Tento prístup je obzvlášť praktický, keď chcete zachovať 100 % pôvodného dizajnu dokumentu (pečate, vodoznaky, podpisy atď.), ale zároveň je potrebné pracovať s textovým obsahom pre rýchle vyhľadávania.

Oblasť OCR v PDFelement: rozpoznať iba časť dokumentu

Nie vždy je potrebné použiť OCR na celý dokument. Pomocou funkcie PDFelement „Oblasť OCR“ Rozpoznávanie môžete obmedziť iba na konkrétnu oblasť stránky, čo šetrí čas spracovania a je veľmi pohodlné, keď potrebujete extrahovať údaje iba z časti PDF.

Funguje to jednoducho: otvoríte obrázok alebo naskenovaný PDF súbor, získate prístup „Nástroj > Oblasť OCR“ Potom potiahnutím myši vyberiete obdĺžnik obsahujúci text, ktorý chcete rozpoznať. Je to ideálne pre tabuľky, konkrétne stĺpce, päty alebo formuláre na stránke s mnohými grafickými prvkami.

Na pravej strane okna uvidíte panel vlastností, z ktorého môžete vyberte jazyk rozpoznávania pre danú konkrétnu oblasť. Potom už len stačí kliknúť na „Rozpoznať“, aby PDFelement spracoval obsah a previedol ho na upraviteľný alebo prehľadateľný text v závislosti od zvoleného režimu.

Táto funkcia oblasti OCR je obzvlášť užitočná pri práci s naskenované formuláre, faktúry, dodacie listy alebo správy z ktorých stačí importovať určité dátové polia do tabuľkového procesora alebo iného systému riadenia.

Podrobný návod: ako upraviť naskenovaný PDF súbor v systéme Windows a Mac pomocou PDFelement

Hoci termín OCR môže znieť technicky, v PDFelement je proces pomerne riadený a zredukovaný na niekoľko krokov. Nižšie je uvedený typický pracovný postup pre Úprava naskenovaných PDF dokumentov v systéme Windows 11 a macOS pomocou tohto programu.

Prvým krokom je importovať súbor PDF do programu. Po spustení PDFelementu môžete použiť tlačidlo „Otvoriť“ umiestnené v ľavom dolnom rohu úvodného okna, prechádzať priečinkami, vybrať naskenovaný PDF súbor a nahrať ho.

Hneď ako zistí, že dokument je založený na obrázku, PDFelement zobrazí kontextové upozornenie s návrhom vykonať OCRAk kliknete na tlačidlo „Vykonať OCR“, softvér vás požiada o výber jazyka obsahu (pre maximalizáciu presnosti je dôležité vybrať správny jazyk, najmä ak obsahuje diakritiku alebo špeciálne znaky).

Po dokončení skenovania bude súbor možné upravovať. Z ponuky V časti „Upraviť“ máte prístup k nástrojom na úpravu textu a objektov.Takto môžete kliknúť na ľubovoľný odsek a pridať alebo odstrániť slová, zmeniť formát textu alebo vložiť nové bloky pomocou možnosti pridať text.

Okrem toho vám PDFelement umožňuje manipulovať s obrázkami, tvarmi, grafikou a ďalšími prvkami. Pomocou možnosti „Upraviť objekty“ umožňuje presúvať, orezávať, otáčať alebo mazať obrázkyako aj vkladanie nových obrázkov do dokumentu podľa potreby.

Počas práce je dôležité uložiť zmeny. Môžete použiť Ctrl + S pre uloženie do toho istého súboru alebo použite možnosť „Súbor > Uložiť ako“ na vytvorenie novej kópie, vyberte iný cieľový priečinok alebo zmeňte verziu dokumentu bez straty originálu.

Ako upraviť naskenovaný PDF súbor online pomocou HiPDF

Ak si do počítača nechcete nič inštalovať, zaujímavou možnosťou je použiť HiPDF, online platforma prepojená s ekosystémom WondershareTáto webová stránka ponúka špecifický online nástroj OCR, ktorý vám umožňuje spracovávať naskenované súbory PDF priamo z vášho prehliadača.

Postup je jednoduchý: otvoríte oficiálnu webovú stránku HiPDF, vyhľadáte sekciu venovanú „Online OCR“ Súbor nahráte pomocou tlačidla „Vybrať súbor“ alebo jeho presunutím do okna prehliadača. Po nahraní nakonfigurujete jazyk dokumentu a výstupný formát (napríklad obyčajný text alebo prehľadávateľný PDF) a kliknete na tlačidlo „Konvertovať“.

Po dokončení konverzie budete môcť stiahnite si spracovaný súbor do vášho zariadenia. Toto riešenie má niekoľko výhod: je online, funguje na systémoch Windows aj Mac, a dokonca aj z iných systémov, a prenos je chránený 256-bitovým SSL šifrovaním.

HiPDF tiež umožňuje dávkové spracovanie Platená verzia je užitočná, ak pracujete s veľkým objemom naskenovaných PDF súborov. Bezplatná verzia má však určité obmedzenia, pokiaľ ide o funkcie a veľkosť súboru, a tiež zobrazuje reklamy, čo je potrebné mať na pamäti, ak hľadáte úplne prehľadný zážitok.

Úprava naskenovaného PDF súboru pomocou Wordu, Dokumentov Google a iných alternatív

Hoci PDFelement a HiPDF ponúkajú veľmi komplexný zážitok, existujú aj iné metódy... pracujte so skenovanými súbormi PDF pomocou nástrojov, ktoré už možno máteako napríklad Microsoft Word, Google Docs alebo Adobe Acrobat, ako aj ďalšie editory s integrovaným OCR a sprievodcami pre Upravte PDF zadarmo bez vodoznaku.

V prípade Microsoft Wordje možné Otvorte PDF priamo vo Worde V ponuke „Súbor > Otvoriť“ vás Word upozorní, že PDF súbor prevedie na upraviteľný dokument. Táto metóda môže fungovať prijateľne s jednoduchými súbormi PDF v dobrej kvalite, ale majte na pamäti, že Word Nevykonáva skutočné OCR na zložitých obrázkochNaskenovaný PDF súbor s nízkym rozlíšením, rozmazaným textom alebo množstvom grafiky preto môže stratiť formátovanie alebo nemusí byť správne rozpoznaný.

Pre jeho časť, Dokumenty Google majú v rámci Disku Google vlastné optické rozpoznávanie znakov (OCR).Po nahraní naskenovaného PDF súboru na disk naň môžete kliknúť pravým tlačidlom myši a vybrať možnosť „Otvoriť v aplikácii > Dokumenty Google“. Systém sa pokúsi previesť súbor na upraviteľný textový dokument rozpoznaním obsahu obrázka.

Podpora OCR od spoločnosti Google viac ako 200 jazykovMá však určité obmedzenia veľkosti (napríklad nepodporuje veľmi veľké súbory) a vyžaduje, aby mal text minimálnu výšku v pixeloch, aby sa dal presne rozpoznať. Okrem toho sa prvky ako tabuľky, stĺpce, poznámky pod čiarou alebo zložité formátovanie často strácajú alebo skresľujú.

Ďalším klasickým odkazom je Adobe AcrobatAcrobat obsahuje komplexnú funkciu OCR integrovanú do nástroja „Skenovať a OCR“. Keď otvoríte naskenovaný PDF súbor, Acrobat zvyčajne zobrazí upozornenie na spustenie procesu rozpoznávania. V príslušnom nástroji môžete vybrať jazyk textu, definovať, ktoré strany sa majú spracovať, a po spustení OCR pokračovať v úprave PDF súboru.

Adobe ponúka a profesionálne rozhranie, cloudové služby a pokročilé funkcie podpisovania a smerovania dokumentovJeho model predplatného je však drahší ako iné alternatívy a nie je vždy najjednoduchšou možnosťou pre používateľov, ktorí potrebujú PDF súbory upravovať len príležitostne.

Existujú aj iné programy, ako napr. Editor Nitro PDF (Nitro Pro)Tento nástroj umožňuje pridávať, mazať a meniť usporiadanie obsahu, používať OCR a manipulovať so stránkami (otáčať, extrahovať, vkladať atď.) a je primárne určený pre používateľov systému Windows. Je funkčný, ale drahý a pri používaní OCR môže dôjsť k zlyhaniu pri veľmi veľkých dokumentoch.

Ďalším nástrojom je Editor PDF ApowerZahŕňa tiež rozpoznávanie textu, funkcie hlavičky a päty, správu formulárov a manipuláciu so stránkami. Hoci jeho rozhranie nemusí byť najprepracovanejšie a veľmi veľké dokumenty sa načítavajú trochu pomaly, ponúka bezplatné riešenie na úpravu naskenovaných súborov PDF v systéme Windows.

Čo dokáže PDFelement so skenovanými PDF súbormi a OCR

Okrem jednoduchého použitia OCR v jednotlivých prípadoch je PDFelement navrhnutý ako kompletná pracovná stanica pre skenované PDF súboryJeho optický rozpoznávací systém nielenže transformuje súbory PDF na upraviteľné, ale tiež udržiava rovnováhu medzi presnosťou, rýchlosťou a vizuálnou vernosťou.

Jednou z jeho hlavných vlastností je možnosť priamo upravovať rozpoznaný text v samotnom PDF súbore.Na rozdiel od iných riešení, kde OCR generuje iba samostatný súbor, v PDFelement pracujete na samotnom dokumente a vždy, keď je to možné, zachovávate písma, veľkosti písma a štruktúru odsekov.

Je tiež schopný transformácie Obrázky (JPG, PNG atď.) obsahujúce text v upraviteľných dokumentoch v rôznych formátoch balíka Microsoft Office, ako napríklad Word bez straty formátovaniaExcel alebo PowerPoint. Toto je veľmi užitočné, keď sa napríklad faktúry alebo správy skenujú ako obrázky a potom chcete tieto údaje spracovať v tabuľkovom procesore.

Ďalšou pokročilou funkciou je extrakcia údajov zo skenovaných formulárov. PDFelement dokáže Čítanie polí formulára a export týchto informácií do excelovského tabuľkového hárku dokonale upraviteľné, čo výrazne urýchľuje prácu pri digitalizácii prieskumov, žiadostí alebo papierových záznamov.

Okrem toho program umožňuje dávkové spracovanie viacerých naskenovaných PDF súborovJednoducho pridajte všetky súbory, ktoré chcete previesť, vyberte jazyk, definujte cieľový priečinok a spustite proces. Softvér automaticky použije OCR na každý dokument a uloží ho ako čitateľný a upraviteľný súbor bez toho, aby ste museli každý dokument monitorovať jednotlivo.

Tipy na zlepšenie výsledkov OCR

Kvalita OCR závisí vo veľkej miere od toho, ako bol pôvodný sken vykonaný. Preto je vhodné dodržiavať niekoľko pokynov. osvedčené postupy na získanie čo najlepšieho uznania keď budete spracovávať naskenované súbory PDF pomocou PDFelementu alebo iného podobného nástroja.

Pred digitalizáciou veľkého množstva dokumentov sa dôrazne odporúča Otestujte s jednou stránkou s použitím rôznych konfigurácií (rozlíšenie, farba, kontrast) a spustite OCR, aby ste zistili, ktoré nastavenie ponúka najväčšiu presnosť. Odtiaľ túto konfiguráciu použijete pre ostatné strany.

Vo všeobecnosti skenovanie s rozlíšenie medzi 300 a 600 dpi Ponúkajú oveľa lepšie výsledky OCR. Ak skenujete s nižším rozlíšením, text sa môže zdať rozmazaný alebo pixelovaný a rozpoznávací nástroj bude mať väčšie ťažkosti s rozlišovaním podobných znakov.

Je tiež dôležité venovať pozornosť kontrastu. Texty umiestnené nad veľmi tmavé alebo veľmi svetlé pozadie Možno ich nebude ľahké rozpoznať, pretože rozdiel medzi farbou textu a pozadím je nedostatočný. V týchto prípadoch je vhodné upraviť jas a kontrast na skeneri, aby sa zlepšila čitateľnosť.

Vždy, keď je to možné, použite čiernobiely režim (alebo správne nakonfigurované odtiene sivej) Pre dokumenty obsahujúce iba text. Zvyčajne ponúka lepšie výsledky ako farebné rozpoznávanie znakov pri čistom OCR, pretože znižuje vizuálny šum.

Nakoniec sa uistite, že dokument je správne zarovnané na skle skeneraAk je papier krivý, skreslenie riadkov textu môže „zmiasť“ rozpoznávací nástroj a spôsobiť chyby pri konverzii.

Prevod naskenovaného PDF súboru na text pomocou PDFelement, online a pomocou Googlu

Ďalšou bežnou úlohou je priama konverzia naskenovaného PDF súboru do obyčajný text (.txt), aby sa dal spracovať v ľubovoľnom editorePDFelement tento proces výrazne uľahčuje vďaka modulu OCR a ponuke konverzie.

Keď importujete naskenovaný PDF súbor do PDFelementu, program sa vás opýta, či chcete Použitie OCR na dokumentSúhlasom si budete môcť vybrať jazyk obsahu a typ výstupu: upraviteľný text alebo jednoducho vyhľadávateľný text v PDF.

Po rozpoznaní, ak chcete vygenerovať súbor .txt, stačí prejsť do ponuky „Konvertovať“ a vyberte možnosť „Na text“Takto sa vytvorí dokument v obyčajnom texte, v ktorom môžete jednoducho vyhľadávať kľúčové slová, čistiť obsah, opätovne ho použiť v iných projektoch alebo ho uložiť na systémoch, kde nepotrebujete udržiavať formát PDF.

Ak uprednostňujete niečo úplne online, môžete sa obrátiť na HiPDF s nástrojom OCRNahráte PDF súbor, zadáte jazyk a výstupný formát (napr. .txt), spustíte konverziu a po dokončení si stiahnete textový súbor vygenerovaný zo naskenovaného PDF súboru.

Ako bezplatná alternatíva založená na cloude, Disk Google a Dokumenty Google Umožňujú vám tiež konvertovať naskenované súbory PDF na text. Nahráte súbor PDF, otvoríte ho pomocou služby Dokumenty Google, systém spustí vlastné optické rozpoznávanie znakov (OCR) a získate dokument Google s extrahovaným textom. Odtiaľ ho môžete kopírovať, upravovať alebo sťahovať v iných formátoch, ako napríklad .docx, .odt alebo dokonca HTML.

Napriek týmto online alternatívam je pre jemnejšiu prácu, dokumenty s citlivými údajmi alebo nepretržité profesionálne pracovné postupy zvyčajne vhodnejšie desktopové prostredie ako PDFelement, pretože Problémom s ochranou súkromia sa vyhnete tým, že nebudete nahrávať súbory na externé servery. a máte väčšiu kontrolu nad procesom a výsledkom.

Skrátka, ak často pracujete s naskenované súbory PDF, ktoré potrebujete upraviť, vyhľadávať alebo konvertovaťDobrý OCR engine má obrovský význam. Nástroje ako Wondershare PDFelement kombinujú rýchle a presné rozpoznávanie, priamu úpravu PDF, konverziu do viacerých formátov a pokročilé možnosti, ako je OCR oblasť a dávkové spracovanie, čo vám umožňuje prejsť od jednoduchých „snímok“ dokumentov k správe plne upraviteľných a opakovane použiteľných informácií bez akýchkoľvek problémov.