ПРАКТИЧЕСКОЕ РУКОВОДСТВО
Скан в Word: как исправить OCR рядом с оригиналом
Скан хранит изображение страницы. OCR пытается определить, какие символы на ней напечатаны. Чтобы получить пригодный документ, этот результат нужно проверить: особенно имена, даты и числа. В FileFlow оригинал находится рядом с редактором, поэтому исправления можно сверять сразу.
Обновлено:
Открыть инструментЧто сохранится в результате
| Формат | Сохраняет | Не сохраняет |
|---|---|---|
| DOCX | Редактируемые абзацы, заголовки и выделение | Вёрстку скана, картинки и таблицы |
| TXT | Обычный текст и разделители страниц | Жирный, заголовки и оформление списков |
| Новый PDF | Выделяемый исправленный текст и оформление | Исходное изображение скана и его геометрию |
| PDF со сканом и поиском | Изображение страницы и невидимый текст OCR | Ручные изменения слов, формы и цифровые подписи |
Выберите страницы и язык печатного текста
Откройте PDF или изображения JPG, PNG и WebP. Отметьте до 20 страниц для одного результата, измените порядок стрелками. Большой документ обрабатывайте отдельными наборами.
Язык OCR должен соответствовать документу. Интерфейс выбирает подходящую установленную модель или английский по умолчанию. Выбор языка не переводит содержимое скана. Для OCR скачивается модель, а документы остаются в браузере.
Проверьте распознавание, затем оформляйте текст
Нажмите «Распознать необработанные страницы» и сравните текст с оригиналом. Особенно внимательно проверяйте O и 0, I и 1, дефисы, даты и суммы. Правдоподобный номер может быть неправильным.
Выделите нужное место и примените заголовок, жирный, курсив, подчёркивание или список. Если исходник содержит две колонки, таблицу или рукописные пометки, восстановите порядок чтения вручную.
Общая кнопка пропускает уже распознанные и отредактированные страницы. Повторное OCR отдельной страницы выполняется отдельной кнопкой и заменяет её текст. Отмена сохраняет готовые страницы и ручные исправления; ошибки можно повторить.
Выберите формат по дальнейшей задаче
DOCX сохраняет редактируемые абзацы, размеры заголовков и выделение. Маркеры списков остаются обычным редактируемым текстом. Таблицы, колонки, картинки и точная геометрия скана не восстанавливаются.
TXT сохраняет обычный Unicode-текст без форматирования. Между исходными страницами добавляется символ перевода страницы. Новый PDF содержит выделяемый текст на A4; каждая исходная страница начинается с новой страницы результата.
Текстовый PDF поддерживает латиницу, кириллицу и греческое письмо. Для других письменностей и эмодзи сохраняйте исправления в DOCX или TXT. Отдельный формат «PDF со сканом и поиском» использует распознанный текст и сохраняет изображение страницы.
Как сохранить скан с поиском по тексту
Выберите «PDF со сканом и поиском». Сначала распознайте все выбранные страницы. Невидимый слой позволяет искать и копировать распознанные слова; само изображение не меняется при форматировании текста в редакторе. Для просмотра оригинала доступны увеличение и поворот, а на телефоне — переключение между оригиналом и текстом.
Ручное изменение слов блокирует этот формат, чтобы в файле не оказался устаревший скрытый текст. Для сохранения исправлений используйте Word, TXT или текстовый PDF. Повторное OCR страницы снова разрешит экспорт скана с поиском, но заменит её исправленный текст. Изменение только жирного или курсива не меняет слова и не блокирует экспорт.
Страницы исходного PDF преобразуются в изображения с разрешением до 150 dpi; для больших страниц разрешение снижается по лимиту пикселей. Размеры страниц PDF и выбранный порядок сохраняются. Это новый файл: цифровые подписи, формы, ссылки и закладки исходника не переносятся. Таблицы остаются изображением, а порядок копирования зависит от OCR и программы просмотра. Проверяйте результат поиском и копированием нужных строк.
Поисковый PDF пока поддерживает текст слева направо. Для арабского, иврита и других письменностей справа налево выбирайте Word или TXT: встроенный PDF-экспорт OCR может менять порядок таких символов.
Скачайте результат до закрытия вкладки
Правки хранятся только в текущей вкладке. Обновление или переход со страницы сбрасывает состояние. Создайте документ, скачайте и откройте его перед закрытием редактора. Исходные сканы сохраните отдельно.
Допускается до 20 входных файлов общим объёмом 100 MiB. Источники могут содержать до 500 страниц суммарно, но на один экспорт выбирается до 20. На текст страницы допускается 20 000 символов, на документ — 200 000.
Низкий контраст, перекос, блики, мелкие буквы и рукописный текст мешают распознаванию. Начните с чёткой печатной страницы и проверьте её, прежде чем запускать большой набор. Для цифрового PDF с выделяемым текстом сначала попробуйте извлечение TXT в инструменте разделения PDF.
Пример: собрать два отсканированных письма
Откройте две страницы и выберите язык печатного текста. Допустим, на первой странице указан номер AB-101, а OCR выдал AB-IOI. Сверьте символы с оригиналом и исправьте их. Сделайте тему письма заголовком, затем проверьте вторую страницу.
Если второе письмо должно идти первым, переместите его вверх. Экспортируйте DOCX и проверьте порядок страниц, исправленный номер и оформление. При необходимости сохраните ещё TXT из тех же правок. Это иллюстрация процесса проверки, а не измерение точности OCR.
Файл для практики
Учебный PDF FileFlow содержит только изображения с английским текстом. Выберите английский OCR и сравните DOCX с оригиналом.
Скачать вымышленный двухстраничный скан для практикиПопробуйте в FileFlow
- Откройте сканированные PDF или изображения, выберите язык распознавания и до 20 страниц.
- Распознайте нужные страницы, сравните текст с оригиналами и исправьте ошибки. При необходимости измените порядок страниц или исключите лишние.
- Выберите Word, TXT или PDF, создайте документ и скачайте его до закрытия вкладки.
Для двух отсканированных писем добавьте оба файла, выберите язык распознавания и нужные страницы. Запустите OCR, сравните каждую страницу с текстом и исправьте имена и даты. Для дальнейшего редактирования экспортируйте DOCX. «PDF со сканом и поиском» использует слой OCR, а не ручные правки текста; после изменения оригинала повторите распознавание и проверьте поиск в PDF-редакторе.
Перед завершением
- Проверьте каждую выбранную страницу.
- Сверьте номера, имена, даты и суммы с изображением.
- Уточните порядок и исключите лишние страницы.
- Скачайте и откройте результат до обновления вкладки.
Ограничения и конфиденциальность
До 50 файлов общим размером 100 МиБ и до 500 исходных страниц PDF; выберите не более 20 страниц. Изображения: JPG, PNG или WebP, до 20 МиБ и 8 млн пикселей каждое. До 20 000 символов на странице и 200 000 при текстовом экспорте. Текстовый PDF поддерживает латиницу, кириллицу и греческий алфавит. PDF со сканом и поиском использует языки OCR; до 20 МиБ на распознанную страницу и 100 МиБ суммарно. Для загрузки языковых моделей нужен интернет. Редактируемые таблицы и колонки не восстанавливаются. PDF со сканом и поиском пока поддерживает текст слева направо. Для арабского, иврита и других письменностей справа налево выберите Word или TXT.
Обработка выполняется в браузере. Содержимое файлов, их имена и распознанный текст не отправляются на серверы FileFlow или в аналитику. Загрузка сайта и моделей OCR требует сети. Сохраните оригинал до проверки результата.
Эта информационная страница не принимает файлы. Откройте инструмент, чтобы обработать документ в браузере.
Частые вопросы
Сохраняется ли при экспорте исходный отсканированный макет?
Word и текстовый PDF создают новый документ из отредактированного текста. TXT сохраняет только текст. Выберите PDF со сканом и поиском, чтобы сохранить изображение скана с невидимым текстовым слоем OCR. Этот формат использует распознанный текст, без ручных изменений. Страницы исходного PDF преобразуются в изображения с разрешением до 150 dpi; размеры страниц и выбранный порядок сохраняются. Таблицы и колонки не восстанавливаются как редактируемые объекты. Проверьте OCR перед скачиванием. PDF со сканом и поиском пока поддерживает текст слева направо. Для арабского, иврита и других письменностей справа налево выберите Word или TXT. Если после поворота или замены оригинала экспорт заблокирован, распознайте страницу снова: устаревший OCR нельзя использовать в PDF с поиском. Для текста справа налево выберите DOCX или TXT. Скачайте результат до закрытия вкладки: серверной резервной копии нет.
Загружаются ли мои файлы на сервер?
Обработка выполняется в браузере. Содержимое файлов, их имена и распознанный текст не отправляются на серверы FileFlow или в аналитику. Загрузка сайта и моделей OCR требует сети. Сохраните оригинал до проверки результата.