OCR (Optical Character Recognition) распознаёт буквы и цифры на изображении и превращает их в текст. Он нужен, когда документ существует как фотография или скан и слова нельзя скопировать обычным выделением.
Когда нужен OCR
Начните с проверки исходного файла: попробуйте выделить и скопировать несколько строк. Если PDF уже содержит корректный текстовый слой, извлечение этого текста может быть предпочтительнее повторного распознавания. Для изображения или сканированного PDF требуется OCR.
Как подготовить документ
Загрузите самый чёткий исходник: ровную страницу без обрезанных строк, бликов и сильных теней. Увеличение маленькой картинки не возвращает потерянные детали. Выберите язык, соответствующий тексту документа; неправильный язык может ухудшить распознавание похожих букв.
Как выбрать результат
Для обычного текста выбирайте доступный текстовый формат в конвертере. Если важны строки и столбцы, нужен сценарий распознавания таблиц. Текстовый результат сам по себе не гарантирует сохранения вёрстки, изображений и расположения блоков исходной страницы.
Что проверить после скачивания
Сравните с оригиналом имена, даты, номера и суммы. Особенно внимательно проверьте похожие символы, например О и 0, разделители чисел и текст мелким шрифтом. Хороший скан помогает, но ни разрешение, ни выбор движка не гарантируют отсутствия ошибок. Рукописные пометки, сложная вёрстка и повреждённые страницы требуют дополнительной проверки.