mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-05 20:02:47 +01:00
55 lines
6.0 KiB
Markdown
55 lines
6.0 KiB
Markdown
---
|
|
title: Распознавание текста в PDF
|
|
description: Сделайте отсканированные PDF доступными для поиска и копирования с помощью Tesseract OCR с поддержкой нескольких языков и фильтрацией символов.
|
|
---
|
|
|
|
# Распознавание текста в PDF
|
|
|
|
Превращайте отсканированные документы в PDF с поиском и копированием текста. Инструмент использует Tesseract OCR, чтобы распознавать текст на изображениях, и накладывает поверх исходных страниц невидимый текстовый слой. Внешний вид страниц сохраняется, а содержимое становится полностью доступным для поиска.
|
|
|
|
## Как это работает
|
|
|
|
1. Загрузите отсканированный PDF или PDF на основе изображений.
|
|
2. Выберите один или несколько языков документа в списке языков с поиском.
|
|
3. При желании настройте расширенные параметры (разрешение, бинаризация, белый список).
|
|
4. Нажмите **Начать распознавание** и следите за ходом выполнения на индикаторе прогресса.
|
|
5. По завершении просмотрите извлечённый текст, затем скачайте PDF с поиском или обычный файл `.txt`.
|
|
|
|
## Возможности
|
|
|
|
- Распознавание на нескольких языках с выбором языка через поиск
|
|
- Невидимый текстовый слой сохраняет исходный вид документа
|
|
- Индикатор прогресса и журнал в реальном времени во время обработки
|
|
- Скачивание результата как PDF с поиском или обычного текстового файла
|
|
- Копирование извлечённого текста в буфер обмена
|
|
- Три уровня разрешения для баланса между скоростью и точностью
|
|
|
|
## Параметры
|
|
|
|
| Настройка | Значения | По умолчанию | Назначение |
|
|
| -------------------------------- | --------------------------------------------------------------------------------- | ------------ | ---------------------------------------------------------------------------------------------- |
|
|
| **Разрешение** | Стандартное (192 DPI), Высокое (288 DPI), Максимальное (384 DPI) | Высокое | Более высокое разрешение повышает точность для мелкого текста, но работает дольше |
|
|
| **Бинаризация изображения** | Вкл. / Выкл. | Выкл. | Повышает контраст чистых сканов, преобразуя их в чёрно-белые |
|
|
| **Набор символов белого списка** | Нет, Буквы и цифры, Числа и валюта, Только буквы, Только цифры, Счёт, Формы, Свой | Нет | Ограничивает распознаваемые символы, чтобы повысить точность для определённых типов документов |
|
|
| **Белый список символов** | Произвольный текст | Пусто | Ручной набор символов, если выбран набор «Свой» |
|
|
|
|
## Сценарии использования
|
|
|
|
- Превращение отсканированных договоров и счетов в документы с поиском, чтобы искать по ним через Ctrl+F
|
|
- Извлечение текста из сфотографированных документов или старых бумажных записей
|
|
- Обработка чеков с набором «Счёт» для точного распознавания сумм и дат
|
|
- Создание доступных PDF из сканов, состоящих только из изображений, для соответствия требованиям
|
|
- Пакетное извлечение текста из отсканированных книг или руководств
|
|
|
|
## Советы
|
|
|
|
- Выбирайте несколько языков, если документ содержит текст на разных языках (например, английские заголовки и основной текст на японском).
|
|
- Используйте бинаризацию для документов с выцветшим или малоконтрастным текстом: она может заметно повысить точность распознавания.
|
|
- Наборы белого списка «Счёт» и «Формы» значительно снижают число ложных срабатываний в структурированных документах, игнорируя лишние формы символов.
|
|
|
|
## Связанные инструменты
|
|
|
|
- [Извлечение таблиц из PDF](./extract-tables)
|
|
- [Объединение PDF](./merge-pdf)
|
|
- [Сжатие PDF](./compress-pdf)
|