Cách tạo một tệp PDF có thể tìm kiếm được bằng OCR trực tuyến

Bạn cảm thấy thế nào khi mở một bản PDF được quét và cố gắng tìm một từ cụ thể nào đó nhưng không thể tìm thấy nó? Bạn sẽ không thể thực hiện việc này vì tài liệu bao gồm các hình ảnh của văn bản thay vì có văn bản thực.

OCR PDF trực tuyến có thể giải quyết vấn đề này.

Với AziPDF OCR, bạn có thể chuyển đổi các tệp PDF được quét thành các tệp PDF có thể tìm kiếm ngay bên trong trình duyệt của bạn. Công cụ này sẽ phân tích tệp PDF của bạn và tạo một lớp văn bản vô hình và có thể chỉnh sửa mà không làm thay đổi giao diện tài liệu của bạn.

Bất kể bạn muốn tìm kiếm thứ gì đó trong sách được quét, sao chép văn bản từ một số tài liệu lỗi thời, xử lý hóa đơn hay làm cho một số hồ sơ kinh doanh có thể tìm kiếm được, OCR sẽ giúp bạn tránh phải gõ lại mọi thứ.

Hướng dẫn này sẽ cho bạn biết OCR là gì, nó hoạt động như thế nào, cách thực hiện quét PDF có thể tìm kiếm được, cách sao chép văn bản từ PDF và cách sử dụng OCR với nhiều ngôn ngữ cùng một lúc.

Bài học chính

• •OCR là viết tắt của Nhận dạng ký tự quang học.
• •OCR có thể nhận dạng văn bản bên trong các tệp PDF được quét và dựa trên hình ảnh.
• •Tệp PDF có thể tìm kiếm cho phép bạn tìm, chọn và sao chép văn bản.
• •AziPDF tạo thêm một lớp văn bản vô hình dưới bản PDF gốc của bạn.
• •Hình thức trực quan ban đầu của tài liệu của bạn vẫn không thay đổi.
• •AziPDF hỗ trợ hơn 100 ngôn ngữ.
• •Bạn có thể chọn tối đa 3 ngôn ngữ cho một chuyển đổi OCR.
• •Nhiều tệp PDF có thể được xử lý cùng một lúc.
• •OCR hoạt động trực tiếp trong các trình duyệt web hiện đại trên máy tính và thiết bị di động.
• •Quét chất lượng cao thường cho kết quả OCR tốt hơn.

OCR là gì?

OCR là viết tắt của Nhận dạng ký tự quang học.

Đây là một công nghệ trong đó các ký tự trong hình ảnh hoặc tài liệu được quét được máy nhận dạng và chuyển đổi thành dạng văn bản có thể đọc được.

Bản PDF được quét thông thường có thể trông giống như một tài liệu; tuy nhiên, về mặt kỹ thuật, mỗi trang có thể là một hình ảnh.

Ví dụ: hãy tưởng tượng bạn quét một cuốn sách in 20 trang.

Bạn có thể xem tất cả các từ trên trang nhưng trình đọc PDF của bạn có thể không:

• •Tìm kiếm một từ cụ thể
• •Chọn văn bản
• •Sao chép và dán văn bản
• •Trích xuất văn bản
• •Sử dụng văn bản với các ứng dụng khác

OCR phân tích hình ảnh trang và nhận dạng văn bản.

Sau đó, nó thêm một lớp văn bản có thể tìm kiếm vào tệp PDF.

Trang gốc vẫn hiển thị trong khi văn bản được nhận dạng nằm phía sau trang đó.

PDF có thể tìm kiếm là gì?

MỘT PDF có thể tìm kiếm là một tệp PDF đi kèm với một lớp văn bản có thể được xác định bằng phần mềm đọc PDF của bạn.

Điều này có nghĩa là bạn có thể sử dụng các tính năng như:

Tìm kiếm

Nhấn Ctrl + F trên Windows hoặc Lệnh + F trên máy Mac và tìm kiếm một từ hoặc cụm từ.

Lựa chọn

Làm nổi bật các từ hoặc đoạn riêng lẻ.

Sao chép

Sao chép văn bản được nhận dạng và dán vào ứng dụng khác.

Tìm thông tin nhanh hơn

Thay vì kiểm tra thủ công từng trang, bạn có thể tìm kiếm từ khóa và chuyển thẳng đến vị trí có liên quan.

Tệp PDF được quét không có OCR sẽ không cung cấp cho bạn những khả năng này vì văn bản được coi là một phần của hình ảnh.

Tại sao tạo một bản PDF được quét có thể tìm kiếm được?

Có nhiều lý do để chuyển đổi bản PDF được quét thành tài liệu có thể tìm kiếm được.

Tìm văn bản nhanh chóng

Tài liệu lớn có thể chứa hàng trăm trang.

Tìm kiếm từ khóa nhanh hơn nhiều so với việc kiểm tra thủ công từng trang.

Sao chép văn bản từ tài liệu được quét

OCR cho phép bạn chọn và sao chép văn bản được nhận dạng từ các trang được quét.

Nó cũng làm cho nó dễ dàng hơn để trích xuất văn bản từ PDF được quét các tập tin mà không cần gõ nội dung theo cách thủ công.

Điều này có thể hữu ích khi làm việc với:

• •Sách
• •Báo cáo
• •Hóa đơn
• •Biên lai
• •Biểu mẫu
• •Hợp đồng
• •Tài liệu nghiên cứu
• •Tài liệu lịch sử

Làm cho tài liệu dễ quản lý hơn

Các tệp PDF có thể tìm kiếm sẽ dễ dàng xử lý hơn vì bạn không phải đọc toàn bộ tài liệu theo cách thủ công bất cứ khi nào bạn cần thông tin cụ thể.

Giảm gõ thủ công

Nếu không có OCR, bạn có thể phải nhập thông tin từ tài liệu được quét theo cách thủ công.

OCR có thể tự động nhận dạng văn bản in và giảm bớt công việc lặp đi lặp lại này.

Cải thiện khả năng truy cập tài liệu

Lớp văn bản có thể tìm kiếm có thể giúp các tài liệu được quét dễ dàng điều hướng và làm việc hơn trên các ứng dụng PDF khác nhau.

Ai có thể hưởng lợi từ OCR?

OCR hữu ích cho nhiều loại người dùng khác nhau.

Sinh viên

Học sinh có thể sử dụng OCR để tìm kiếm và sao chép văn bản từ sách được quét, ghi chú bài giảng, tài liệu nghiên cứu và tài liệu học tập.

giáo viên

Giáo viên có thể chuyển đổi các bảng tính, ghi chú và tài liệu giáo dục được quét thành các tệp PDF có thể tìm kiếm được.

Doanh nghiệp

Các doanh nghiệp thường làm việc với hóa đơn, biên lai, hợp đồng, biểu mẫu, báo cáo và tài liệu lưu trữ.

OCR có thể làm cho những tài liệu này dễ dàng tìm kiếm và xử lý hơn.

nhà nghiên cứu

Các nhà nghiên cứu làm việc với sách được quét, hồ sơ lịch sử, tạp chí và tài liệu lưu trữ có thể nhanh chóng xác định được các từ hoặc cụm từ cụ thể.

Kế toán viên

Hóa đơn, biên lai và tài liệu tài chính có thể chứa thông tin quan trọng cần được xác định nhanh chóng.

Văn phòng và Tổ chức

Các tổ chức có kho lưu trữ lớn các tài liệu được quét có thể sử dụng OCR để giúp tìm kiếm hồ sơ của họ dễ dàng hơn.

Cách làm cho bản PDF được quét có thể tìm kiếm được

Cách dễ nhất để làm cho bản PDF được quét có thể tìm kiếm được là sử dụng công cụ OCR PDF trực tuyến.

Với AziPDF, quá trình này chỉ mất vài bước.

Bước 1: Mở Công cụ PDF AziPDF OCR

Mở AziPDF PDF OCR dụng cụ trong trình duyệt của bạn.

Bạn không cần cài đặt phần mềm PDF truyền thống để bắt đầu.

Bước 2: Tải lên bản PDF của bạn

Chọn bản PDF được quét hoặc dựa trên hình ảnh mà bạn muốn xử lý.

Bạn cũng có thể kéo và thả tệp PDF của mình vào công cụ.

AziPDF có thể xử lý một hoặc nhiều tệp PDF.

Bước 3: Chọn ngôn ngữ của bạn

Chọn ngôn ngữ được sử dụng trong tài liệu của bạn.

Hỗ trợ AziPDF OCR Hơn 100 ngôn ngữvà bạn có thể chọn tối đa 3 ngôn ngữ cho một chuyển đổi duy nhất.

Điều này có thể đặc biệt hữu ích cho các tài liệu chứa nhiều ngôn ngữ.

Ví dụ: một tài liệu có thể chứa văn bản tiếng Anh và tiếng Hindi trên cùng một trang.

Bước 4: Bắt đầu OCR

Bắt đầu quá trình OCR.

AziPDF phân tích các trang chứa nội dung dựa trên hình ảnh và nhận dạng văn bản.

Công cụ này thêm một lớp văn bản vô hình bên dưới trang gốc.

Bước 5: Tải xuống bản PDF có thể tìm kiếm của bạn

Sau khi quá trình xử lý hoàn tất, hãy tải xuống bản PDF của bạn.

Tài liệu sẽ trông giống như bản gốc nhưng văn bản đã được nhận dạng hiện có thể được tìm kiếm, chọn và sao chép.

Thế thôi.

Bản PDF được quét của bạn giờ đây dễ dàng làm việc hơn nhiều.

OCR hoạt động như thế nào?

OCR thường hoạt động bằng cách phân tích thông tin trực quan có trong tài liệu.

Quá trình này có thể được đơn giản hóa thành một vài giai đoạn.

1. Trang PDF được phân tích

Hệ thống OCR kiểm tra hình ảnh trang.

2. Văn bản được xác định

Hệ thống phát hiện các ký tự, từ và vùng văn bản.

3. Nhân vật được công nhận

Công cụ OCR xác định các ký tự và chuyển đổi chúng thành văn bản có thể đọc được bằng máy.

4. Một lớp văn bản được thêm vào

Văn bản được nhận dạng sẽ được đặt vào một lớp vô hình được liên kết với trang gốc.

5. PDF có thể tìm kiếm được

Trình đọc PDF của bạn bây giờ có thể nhận dạng văn bản.

Điều này cho phép bạn tìm kiếm, chọn và sao chép nội dung được nhận dạng.

Sử dụng AziPDF Tesseract.js để xử lý OCR dựa trên trình duyệt.

OCR có thay đổi giao diện của tệp PDF không?

KHÔNG.

AziPDF OCR thêm một lớp văn bản vô hình bên dưới nội dung tài liệu gốc.

Bố cục trực quan ban đầu không thay đổi, bao gồm hình ảnh trang, màu sắc và hình thức tổng thể.

Ví dụ: nếu trang được quét ban đầu của bạn trông như thế này:

Trang được quét → OCR → Trang trông giống + văn bản có thể tìm kiếm

Bạn vẫn có thể xem bản quét gốc nhưng giờ đây bạn có thể chọn và tìm kiếm văn bản đã nhận dạng.

Cách tìm kiếm văn bản bên trong bản PDF được quét

Khi tệp PDF của bạn đã được xử lý bằng OCR, việc tìm kiếm sẽ trở nên dễ dàng hơn nhiều.

Trên Windows

Mở tệp PDF và nhấn:

Ctrl + F

Sau đó nhập từ hoặc cụm từ bạn muốn tìm.

Trên máy Mac

Sử dụng:

Lệnh + F

Nhập từ khóa của bạn và trình đọc PDF của bạn sẽ tìm kiếm văn bản được nhận dạng.

Đối với các tài liệu lớn, điều này có thể tiết kiệm thời gian đáng kể.

Thay vì kiểm tra 100 trang theo cách thủ công, bạn có thể tìm kiếm một từ cụ thể và chuyển đến trang liên quan.

Cách sao chép văn bản từ tệp PDF được quét

Nếu bản PDF được quét của bạn đã được xử lý bằng OCR, bạn thường có thể chọn văn bản được nhận dạng.

Thực hiện theo các bước sau:

1. Mở của bạn PDF được xử lý OCR.
2. Tìm văn bản bạn muốn sao chép.
3. Làm nổi bật văn bản.
4. Nhấp chuột phải và chọn Sao chép.
5. Dán văn bản vào ứng dụng ưa thích của bạn.

Bạn có thể sử dụng văn bản đã sao chép trong:

• •Microsoft Word
• •Google Tài liệu
• •E-mail
• •Ghi chú
• •Bảng tính
• •Tài liệu nghiên cứu
• •Các công cụ PDF khác

Do đó, OCR có thể biến tài liệu được quét từ hình ảnh tĩnh thành thứ gì đó dễ làm việc hơn nhiều.

OCR có thể xử lý nhiều tệp PDF không?

Đúng.

AziPDF cho phép bạn tải lên nhiều tệp PDF để xử lý OCR.

Điều này có thể hữu ích khi bạn có một số tài liệu được quét cần được tìm kiếm.

Ví dụ: thay vì xử lý:

• •Báo cáo 1
• •Báo cáo 2
• •Hoá đơn 1
• •Hóa đơn 2
• •Hợp đồng 1

từng cái một, bạn có thể tải lên nhiều tệp PDF và xử lý chúng cùng nhau.

Khi nhiều tệp được xử lý, AziPDF sẽ đóng gói các tệp kết quả vào kho lưu trữ ZIP để tải xuống.

OCR có thể nhận dạng nhiều ngôn ngữ không?

Đúng.

Hỗ trợ AziPDF OCR Hơn 100 ngôn ngữ.

Bạn có thể chọn tối đa 3 ngôn ngữ cho mỗi chuyển đổi, rất hữu ích cho các tài liệu chứa nhiều ngôn ngữ.

Ví dụ: một tài liệu có thể chứa:

• •Tiếng Anh
• •Tiếng Hindi
• •tiếng Ả Rập

Việc chọn ngôn ngữ thích hợp có thể giúp hệ thống OCR nhận dạng chính xác các tập lệnh khác nhau.

Loại tệp PDF nào hoạt động tốt nhất với OCR?

OCR hữu ích nhất cho các tệp PDF nơi văn bản được lưu trữ dưới dạng hình ảnh.

Các ví dụ phổ biến bao gồm:

Tài liệu được quét

Tài liệu được quét bằng máy quét hoặc thiết bị di động thường dựa trên hình ảnh.

Sách

Sách được quét có thể chứa hàng trăm trang khó tìm kiếm theo cách thủ công.

Hóa đơn

OCR có thể giúp hóa đơn được quét dễ dàng hơn để tìm kiếm và sao chép.

Biên lai

Biên lai được lưu dưới dạng PDF được quét có thể được hưởng lợi từ văn bản có thể tìm kiếm được.

Biểu mẫu

Các biểu mẫu được quét có thể được xử lý để nội dung in của chúng có thể được lựa chọn.

Tài liệu lịch sử

Tài liệu lưu trữ chỉ có thể tồn tại dưới dạng hình ảnh được quét và có thể hưởng lợi từ OCR.

Tài liệu nghiên cứu

Các nhà nghiên cứu có thể tìm kiếm các bộ sưu tập lớn tài liệu học thuật được quét dễ dàng hơn sau OCR.

Nếu tệp PDF của bạn đã chứa văn bản có thể chọn thì OCR có thể không cần thiết.

OCR chính xác đến mức nào?

Độ chính xác của OCR phụ thuộc rất nhiều vào chất lượng của tài liệu gốc.

Bản quét rõ ràng, độ phân giải cao thường mang lại kết quả tốt hơn so với tài liệu bị mờ hoặc được quét kém.

Các yếu tố có thể ảnh hưởng đến OCR bao gồm:

• •Độ phân giải hình ảnh
• •Làm mờ
• •Trang bị lệch
• •Tiếng ồn nền
• •Ánh sáng kém
• •Văn bản nhỏ
• •Phông chữ bất thường
• •Chữ viết tay
• •Tài liệu bị hư hỏng
• •Quét chất lượng thấp

Để có kết quả tốt nhất, hãy bắt đầu với phiên bản tài liệu rõ ràng nhất hiện có.

AziPDF cũng áp dụng tính năng tiền xử lý hình ảnh để giúp cải thiện khả năng nhận dạng văn bản.

OCR có thể đọc chữ viết tay không?

OCR hoạt động tốt nhất với văn bản in.

Văn bản viết tay có thể khó nhận dạng chính xác hơn nhiều vì chữ viết tay khác nhau đáng kể giữa mỗi người.

Nếu tài liệu của bạn có chữ viết tay, kết quả OCR có thể yêu cầu kiểm tra và sửa thủ công.

Đối với tài liệu in, OCR thường cung cấp quy trình làm việc phù hợp hơn nhiều.

Tôi có thể OCR PDF trên điện thoại của mình không?

Đúng.

AziPDF OCR hoạt động thông qua các trình duyệt web hiện đại trên:

• •Điện thoại Android
• •iPhone
• •Máy tính bảng
• •Máy tính xách tay
• •Máy tính để bàn

Điều này có nghĩa là bạn có thể thực hiện quét PDF có thể tìm kiếm được mà không cần cài đặt phần mềm OCR máy tính để bàn truyền thống.

OCR trực tuyến có an toàn không?

Khi xử lý tài liệu riêng tư, điều quan trọng là phải hiểu tệp của bạn được xử lý ở đâu.

AziPDF thực hiện OCR trực tiếp trong trình duyệt của bạn bằng cách sử dụng Tesseract.jsvà các tệp PDF của bạn không được tải lên máy chủ của AziPDF để xử lý OCR.

Cách tiếp cận dựa trên trình duyệt này đặc biệt hữu ích khi làm việc với các tài liệu chứa thông tin riêng tư hoặc nhạy cảm.

Tuy nhiên, bạn phải luôn xem xét các biện pháp bảo mật của bất kỳ công cụ tài liệu trực tuyến nào trước khi xử lý các tệp bí mật.

Khi nào bạn nên sử dụng OCR?

OCR rất hữu ích khi tệp PDF của bạn trông giống tài liệu nhưng hoạt động giống hình ảnh.

Bạn nên xem xét OCR khi:

• •Bạn không thể chọn văn bản.
• •Ctrl + F không thể tìm thấy các từ hiển thị.
• •Bạn cần sao chép văn bản từ tài liệu được quét.
• •Bạn có một cuốn sách được quét.
• •Bạn cần tìm kiếm một báo cáo được quét lớn.
• •Bạn có hóa đơn hoặc biên lai dựa trên hình ảnh.
• •Bạn muốn làm cho các tài liệu lưu trữ có thể tìm kiếm được.
• •Bạn cần phải làm việc với nhiều tệp PDF được quét.

Khi nào bạn không cần OCR?

OCR không cần thiết cho mọi tệp PDF.

Nếu bạn đã có thể:

• •Chọn văn bản
• •Sao chép văn bản
• •Tìm kiếm từ
• •Đánh dấu đoạn văn

thì tệp PDF của bạn có thể đã chứa một lớp văn bản có thể tìm kiếm được.

Trong trường hợp đó, việc áp dụng OCR có thể không mang lại nhiều lợi ích bổ sung.

Mẹo để có kết quả OCR tốt hơn

Sử dụng Quét rõ ràng

Các tài liệu nguồn có chất lượng cao hơn thường tạo ra kết quả nhận dạng tốt hơn.

Giữ các trang thẳng hàng

Các trang thẳng dễ dàng được hệ thống OCR phân tích hơn các trang bị xoay nhiều hoặc bị lệch.

Chọn ngôn ngữ đúng

Chọn ngôn ngữ thực sự xuất hiện trong tài liệu của bạn.

AziPDF cho phép tối đa 3 ngôn ngữ trên mỗi chuyển đổi OCR.

Kiểm tra kết quả

OCR không hoàn hảo.

Sau khi xử lý một tài liệu quan trọng, hãy xem lại văn bản đã được nhận dạng và kiểm tra tên, số, ngày tháng và các chi tiết khác quan trọng.

Giữ bản PDF gốc

Luôn giữ một bản sao tài liệu gốc của bạn trước khi xử lý các tệp quan trọng.

Câu hỏi thường gặp

OCR trong PDF là gì?

OCR là viết tắt của Nhận dạng ký tự quang học. Nó nhận dạng văn bản có trong các trang PDF được quét hoặc dựa trên hình ảnh và thêm một lớp văn bản có thể tìm kiếm.

Làm cách nào để tạo bản PDF được quét có thể tìm kiếm được?

Tải bản PDF đã quét của bạn lên AziPDF Công cụ PDF OCR, chọn ngôn ngữ tài liệu, bắt đầu xử lý OCR và tải xuống bản PDF có thể tìm kiếm được.

Tôi có thể sao chép văn bản từ bản PDF được quét không?

Đúng. Sau khi xử lý OCR, văn bản được nhận dạng có thể được chọn và sao chép từ PDF.

OCR có thay đổi giao diện PDF không?

Không. AziPDF thêm một lớp văn bản vô hình bên dưới nội dung trang gốc, do đó hình thức trực quan của tệp PDF không thay đổi.

AziPDF OCR hỗ trợ bao nhiêu ngôn ngữ?

AziPDF OCR hỗ trợ hơn 100 ngôn ngữ và bạn có thể chọn tối đa 3 ngôn ngữ cho một lần chuyển đổi.

Tôi có thể OCR nhiều tệp PDF không?

Đúng. Bạn có thể tải lên nhiều tệp PDF để xử lý OCR. Khi xử lý nhiều tệp, AziPDF sẽ đóng gói kết quả vào tệp ZIP.

OCR có thể nhận dạng chữ viết tay không?

OCR được thiết kế chủ yếu cho văn bản in. Văn bản viết tay có thể kém tin cậy hơn và có thể yêu cầu chỉnh sửa thủ công.

Tôi có thể sử dụng OCR trên điện thoại của mình không?

Đúng. AziPDF OCR hoạt động trên các trình duyệt hiện đại trên điện thoại Android, iPhone, máy tính bảng, máy tính xách tay và máy tính để bàn.

AziPDF OCR có miễn phí không?

AziPDF hiện đang trình bày Công cụ PDF OCR như một công cụ miễn phí có thể được sử dụng trực tiếp từ trình duyệt.

Bản PDF của tôi có được tải lên AziPDF không?

Để xử lý OCR, AziPDF tuyên bố rằng OCR chạy trong trình duyệt của bạn bằng Tesseract.js và các tệp PDF không được tải lên máy chủ của nó.

Làm cho tệp PDF của bạn có thể tìm kiếm được bằng AziPDF

Tuy nhiên, các tệp PDF được quét không nhất thiết phải khó tìm kiếm hoặc trích xuất văn bản.

Với OCR, bạn có thể chuyển đổi các tệp PDF được quét thành có thể tìm kiếm được phiên bản mà không làm mất định dạng trực quan của chúng.

Có thể là sách được quét, hóa đơn được quét, biên lai, tài liệu nghiên cứu, biểu mẫu, tệp lưu trữ hoặc bất kỳ thứ gì khác, việc thêm một lớp văn bản bổ sung vào các tệp PDF này với sự trợ giúp của AziPDF, tất cả đều có trong trình duyệt của bạn.

AziPDF hỗ trợ hơn 100 ngôn ngữ, cho phép tối đa 3 ngôn ngữ cho mỗi chuyển đổi, hỗ trợ nhiều tệp PDF và xử lý OCR trực tiếp trong trình duyệt của bạn. Biến các tệp PDF được quét và dựa trên hình ảnh thành các tài liệu có thể tìm kiếm được bằng AziPDF OCR.

---