Перейти до змісту
Інформаційне видання
Технології та IT

Чому пошук у PDF нічого не знаходить і як перевірити розпізнавання скану

Чому пошук у PDF нічого не знаходить і як перевірити розпізнавання скану

Відкрийте PDF і спробуйте виділити мишею кілька слів із середини сторінки. Якщо виділяється вся область або курсор не дає позначити окремі літери, перед вами може бути зображення сторінки. Для очей це читабельний документ, а для пошуку — набір пікселів. Оптичне розпізнавання символів, або OCR, додає текстовий шар. Завдяки йому пошук знаходить слова, а користувач може копіювати фрагменти, якщо розпізнавання пройшло коректно.

Підготуйте сторінки й виберіть мову

Спершу збережіть оригінал окремо. Поверніть сторінки, які відсканували боком, перевірте, чи немає обрізаних полів і тіней біля згину. Нерівний рядок і нечіткі літери підвищують імовірність помилок. Якщо документ двомовний, виберіть потрібні мови там, де це підтримує програма. Для договору українською з німецьким додатком можна окремо опрацювати різні діапазони сторінок, якщо засіб розпізнає лише одну мову за раз.

Коли у файлі змішані скани й сторінки, які вже мають текст, перевірте кілька сторінок у різних частинах. Пошук може працювати в першому розділі й не знаходити нічого в підписаних додатках. У такому разі достатньо обробити скановані сторінки. Зверніть увагу на режим збереження. Якщо потрібно, щоб файл виглядав як оригінал, підійде режим із текстовим шаром поверх зображення. Вивантаження в редагований формат може змінити розташування рядків і таблиць.

Після обробки перевірте кілька різних фрагментів

Знайдіть звичайне слово в основному тексті, потім прізвище або номер документа. Скопіюйте два рядки в текстовий редактор і порівняйте символи з тим, що видно на сторінці. Літери «І» й «I», цифри або дефіси в номерах можуть підмінятися. У таблиці перевірте, чи числа під час копіювання відповідають потрібному рядку. Якщо файл використовується для пошуку, цього часто достатньо для першої перевірки. Для перенесення платежів, дат або реквізитів важливі значення слід звіряти окремо.

Деякі PDF містять текст, який виділяється, але пошук ним працює непередбачувано через кодування символів або порядок читання. Якщо слово копіюється як набір інших знаків, перевірте кілька сторінок перед повторною обробкою. Це допоможе зрозуміти, де достатньо виправити одну сторінку, а де варто зберегти окрему копію всього файла.

Коли документ містить персональні дані, варто перевірити, де відбувається обробка, перш ніж завантажувати файл у вебсервіс. Офлайн-засіб дозволяє залишити файл у контрольованому середовищі. Після перевірки збережіть зрозумілу назву для копії з пошуком. Якщо хтось відкриє її пізніше, з назви буде зрозуміло, для чого є друга версія і який файл зберігає початковий скан.