OCR PDF - Make a Searchable PDF Online Free

Обычный PDF-изображение — это плоская картинка, обёрнутая в контейнер .pdf: текст в ней нельзя выделить, скопировать или найти. PDF с возможностью поиска имеет невидимый текстовый слой OCR, выровненный за каждым видимым символом, поэтому Ctrl+F находит слова, копирование работает, а программы чтения с экрана могут озвучивать страницу — при этом внешний вид остаётся неизменным.

Движок OCR считывает каждое слово и сохраняет его текст и ограничивающую рамку поверх исходного изображения с точными пиксельными координатами. Визуально страница выглядит так же, как оригинальный скан, но Adobe Acrobat, Preview, Chrome и любая современная программа просмотра PDF теперь могут выделять, искать и копировать текст так, словно это исходный цифровой текст.

Да. Текстовый слой — это стандартный PDF (без проприетарных расширений), поэтому Adobe Acrobat (Reader и Pro), macOS Preview, встроенный просмотрщик PDF в Chrome, Firefox, Edge и мобильные просмотрщики, такие как приложение «Файлы», Drive и Dropbox, индексируют его и выполняют поиск. Ctrl+F или Cmd+F находит слова за секунды, даже в длинных отсканированных отчётах.

Да. Передайте несколько кодов языков (например, eng+chi_sim+hin), и OCR учтёт все их при распознавании символов. Документы со смешанными письменностями — двуязычные меню, международные договоры и государственные формы — обрабатываются корректно. Для лучшего результата укажите наиболее вероятный язык первым в списке.

Текстовый слой обычно добавляет 5–15% к размеру PDF — как правило, несколько сотен килобайт на 100 страниц. По сравнению с преимуществом (полнотекстовый поиск по всему архиву документов) это небольшая цена. Если размер важен для отправки по почте, пропустите результат через инструмент сжатия PDF, чтобы дополнительно уменьшить крупные встроенные изображения.

Загруженные файлы обрабатываются во временной рабочей папке и автоматически удаляются в течение нескольких минут после завершения конвертации. Мы никогда не обучаем модели на пользовательских файлах, не передаём их и не добавляем водяные знаки. Поэтому инструмент безопасен для отсканированных архивов в сфере права, кадров, медицины и бухгалтерии, где конфиденциальность важнее всего.

Этот инструмент читает файлы изображений (JPG, PNG, TIFF, сканы и фото) и возвращает PDF с возможностью поиска. Если у вас уже есть многостраничный отсканированный PDF, сначала разбейте его на изображения страниц с помощью инструмента «PDF в изображения», затем загрузите эти изображения сюда, чтобы получить один PDF с распознанным текстом и возможностью поиска.

Загрузите JPG, PNG, WEBP, GIF, TIFF или BMP — подойдут фото с телефона, планшетные сканы и скриншоты. Движок OCR считывает текст и помещает его в невидимый слой за изображением, так что получается обычный PDF с возможностью поиска, который открывается в любом просмотрщике.

Для PDF с возможностью поиска нужен встроенный текстовый слой hOCR с ограничивающими рамками по словам, который могут создать только движки на базе Tesseract (Engine 1 и Engine 2) — движок PaddleOCR «Default», используемый в других местах приложения, не может сгенерировать этот слой. Engine 1 — стандартный проход Tesseract с самой широкой языковой поддержкой; Engine 2 может справляться лучше со стилизованными или менее качественными сканами.

Откройте выбор языка в «Настройках» и выберите язык документа (по умолчанию английский) — это единственная самая важная настройка для точности OCR, поскольку распознавание символов движком зависит от языка. Нажмите «Повторить конвертацию» после её изменения, чтобы пересобрать PDF с новым текстовым слоем.

Выберите Engine 1 за его более широкий охват языков и задайте в списке языков основной язык договора. Если ключевые разделы на втором языке всё равно не находятся при поиске, повторно запустите преобразование с Engine 2 или с выбранным дополнительным языком во втором проходе.

Он обновляется автоматически — переключение списка «Движок» или «Язык» сразу же заново обрабатывает загруженное изображение и пересобирает PDF с поиском по тексту с новой настройкой, без необходимости нажатия. Кнопка «Повторить преобразование» полезна в основном для повторной попытки с теми же настройками, например после неудачного преобразования или кратковременного сбоя сети.