Практикум: превращаем стопку сканов в архив с поиском и запросами
Сценарий
Родственник отдаёт вам папку: десять снимков старых писем на телефон (часть лежит боком, один кривой) и отсканированный PDF с машинописным отчётом. Вам нужен один архивный PDF, в котором можно найти любое имя, копия машинописного отчёта в виде простого текста и проверка того, кто создал файл отчёта.
Чему вы научитесь
Собирать фотографии в PDF, исправлять ориентацию до распознавания, работать с Searchable (язык и выравнивание наклона), искать с подсвеченным результатом, использовать «Извлечь текст» и «Извлечение метаданных», а также понимать, когда вместо этого лучше взять «Изображение в TXT».
Шаги
- Поверните. Загрузите фотографии писем в Объединение файлов (Merger) в порядке дат (режим Sequential) и получите один PDF. Откройте его и поверните страницы, лежащие боком, с помощью Ротация PDF (Rotation).
- Сделайте поиск возможным. Запустите Searchable для этого PDF: укажите правильный язык документа, оставьте включённым «Выровнять изображение» (Deskew), отметьте «Удалить фон/водяной знак», если бумага в пятнах. Скачайте результат.
- Проверьте. Откройте PDF, нажмите Ctrl+F и найдите имя, которое видно на странице.
- Поиск. Запустите Поиск в формате PDF (Search) на PDF с поиском по фамилии. Откройте результат и пройдитесь по закладкам «Search results».
- Текст отчёта. Запустите Searchable на отсканированном отчёте, затем Извлечь текст (Extract Text) (режим Pure) на его результате. Просмотрите .txt на предмет ошибок.
- Кто это создал? Запустите Извлечение метаданных (Extract Metadata) на обоих PDF и сравните производителя и дату создания.
- Быстрая альтернатива. Загрузите одну фотографию письма в Изображение в TXT (OCR Image) и сравните её .txt со скрытым текстом из шага 2.
- Сожмите. Запустите Сжатие PDF (Compressor) на итоговом архивном PDF.
Контрольные точки
- Перед шагом 2 все страницы стоят прямо.
- Ctrl+F находит видимое слово; если нет, проверьте язык и поворот.
- Поиск возвращает размеченный PDF с подсвеченными совпадениями (или сообщает, что ничего не найдено).
- В .txt отчёта правильные слова, самое большее с несколькими ошибками распознавания.
- Метаданные показывают производителя или дату создания для каждого файла (либо пустые поля, если ничего не записано).
Что дальше
Добавьте Добавить содержание в PDF (Add TOC), чтобы у архива появились главы, используйте Ask PDF, чтобы задавать вопросы о письмах, и загляните в рецепт «Оцифровка архива».