Searchable (отсканированный PDF в PDF с возможностью поиска)
Открыть приложение: Сделать скан доступным для поиска → (products.documentize.app)
В одном предложении
Searchable берёт отсканированный PDF (страницы, которые на деле лишь картинки) и возвращает PDF, который выглядит так же, но с невидимым текстовым слоем поверх: слова можно искать, выделять и копировать.
Что в нём особенного
- Он сохраняет картинку страницы и добавляет текст под ней, так что документ выглядит как скан. Изображение в TXT (OCR Image) возвращает только текст, а «Извлечь текст» (Extract Text) вообще не умеет читать картинки с текстом.
- В него встроены средства исправления скана: автоматическое выравнивание наклона (deskew), очистка фона и водяных знаков, переключатель «исходное фото расположено боком» и необязательный проход ИИ-коррекции ошибок распознавания.
- Он умеет выдавать редактируемые файлы Word, Excel или PowerPoint, собранные из распознанного текста, а для Excel — извлекать только таблицы.
Когда использовать, а когда нет
- Используйте, когда у вас есть отсканированный договор, глава книги, счёт или архив и вы хотите искать в нём слова, копировать фрагменты или передавать его другим инструментам (Поиск в формате PDF (Search), Ask PDF, «Извлечь текст»).
- Не используйте для PDF, в котором уже есть настоящий текст: он повторит работу и может не изменить ничего полезного. Сначала проверьте: если слова в PDF можно выделить, он уже доступен для поиска.
- Не используйте, если вам просто нужен .txt с фотографии: проще Изображение в TXT.
- Не для заблокированных файлов. Сначала снимите пароль через Разблокировка PDF (Unlock).
Прежде чем начать
- Веб-страница принимает файлы PDF. Если у вас фотографии, сначала соберите их в PDF через Объединение файлов (Merger).
- Знайте язык текста.
- Сначала исправьте перевёрнутые или лежащие боком страницы (Ротация PDF (Rotation)): ошибки ориентации вредят распознаванию больше всего.
- Очень длинные документы отклоняются с сообщением, просящим разбить файл на части поменьше (предел страниц задаётся планом, поэтому смотрите сайт). Используйте Разделение PDF (Splitter).
Пошагово
- Откройте Searchable и перетащите отсканированный PDF (или несколько).
- Выберите язык документа.
- Нажмите «Показать все настройки»: для фотографий страниц оставьте включённым «Выровнять изображение», отметьте «Исходное фото расположено боком (поверните на 90°)», если страницы повёрнуты на 90 градусов, и отметьте «Удалить фон/водяной знак» для затенённой бумаги или штампов.
- Выберите «Формат вывода» (по умолчанию «Поисковый PDF»).
- Нажмите «Преобразовать», затем скачайте результат. Кнопка «Снова трансформируйтесь» начинает всё заново.
📷 Заглушка для скриншота: Searchable с открытыми настройками
Параметры
| Параметр | Что делает | По умолчанию | Рекомендация |
|---|---|---|---|
| Язык документа | Какой язык ожидает распознавание | английский | Всегда соответствует документу |
| Выровнять изображение (Deskew) | Слегка выравнивает каждую страницу перед распознаванием | включено | Оставьте включённым, особенно для фотографий с телефона |
| Исходное фото расположено боком (поверните на 90°) | Поворачивает страницы, отсканированные или сфотографированные на боку | выключено | Используйте, только если точно знаете, что страницы лежат боком; автоматического определения ориентации нет |
| Удалить фон/водяной знак | Убирает тени, цвет бумаги и просвечивание водяных знаков перед распознаванием | выключено | Включайте для пожелтевших, затенённых или проштампованных страниц |
| Исправить ошибки OCR с помощью ИИ | Языковая модель построчно вычитывает распознанный текст до его встраивания | выключено | Пробуйте, когда обычное распознавание даёт много ошибок; всегда проверяйте выборочно |
| Страница вывода в альбомной ориентации | Страницы результата делаются альбомными | выключено | Нужно редко |
| Формат вывода | Поисковый PDF, редактируемый Word (.docx), редактируемый Excel (.xlsx) или редактируемый PowerPoint (.pptx) | Поисковый PDF | PDF — чтобы сохранить вид; форматы Office — чтобы править содержимое |
| Извлекать только таблицы (пропустить полное распознавание текста) | При выводе в Excel помещает в книгу только найденные таблицы, пропуская текст страниц | выключено | Включайте для отсканированных таблиц и отчётов |
| Фоновая очистка (расширенная, необязательная) | Три числа (отношение света к фону 0-1, порог насыщения 0-255, уровень почти белого 0-255), которые настраивают очистку | встроенные значения по умолчанию | Не трогайте, пока очистка не начнёт ошибочно принимать страницы за текст или фото |
Что вы получите
- PDF с теми же страницами плюс скрытый текстовый слой (или .docx/.xlsx/.pptx, если вы выбрали такой формат). Несколько входных файлов возвращаются в ZIP.
- Исходный файл никогда не изменяется.
- В форматах Office картинка страницы отбрасывается, а текст вливается в документ, поэтому его можно править, но выглядит он иначе, чем скан.
- Если добавление текстового слоя прервалось на середине, сервис вместо «ничего» отдаёт очищенные страницы без слоя.
Качество и ограничения
- Распознавание — это оценка: точность определяют качество скана, выбор языка и шрифты. Плохой вход даёт неверные слова, которые в файле выглядят правильно.
- ИИ-коррекция генерирует текст и может менять слова; не применяйте её без проверки там, где важен каждый символ (имена, числа, юридические формулировки).
- Файл может вырасти, потому что добавляется текстовый слой; при необходимости потом запустите Сжатие PDF (Compressor).
- Лимиты времени бесплатного плана могут рано остановить пачку и оставить «продолжение», чтобы позже доделать остальные файлы (по умолчанию около 12 часов ожидания). Результаты хранятся около двух дней.
- Сложные макеты (несколько колонок, таблицы) сохраняются в выводе Word/Excel/PowerPoint лишь приблизительно.
Хорошо сочетается с
- До него: Ротация PDF, Deskew (отдельное приложение для выравнивания), Unwatermark, Разблокировка PDF, Объединение файлов (фотографии в PDF).
- После него: Поиск в формате PDF, «Извлечь текст», Добавить содержание в PDF (Add TOC), Ask PDF, Сжатие PDF.
- Рецепты: Фотографии в PDF с поиском, Оцифровка архива.
Типичные ошибки и как их исправить
- «Я запустил, а PDF выглядит так же» → так и должно быть; текстовый слой невидим. Нажмите Ctrl+F в просмотрщике, чтобы проверить.
- «Слова неверные или пропали» → неверный язык, страницы лежат боком или скан с низким разрешением. Исправьте это и запустите снова; очистку фона и ИИ-коррекцию пробуйте в последнюю очередь.
- «Пишет, что нужно разбить файл» → документ слишком длинный для одного прохода; разделите его, обработайте части и склейте обратно.
- «Текст выделяется, но порядок странный» → колонки и таблицы читаются приблизительно; для структуры используйте Парсер PDF (Parser) или вывод в Excel.
То же самое в других местах
- Плагин CLI: Documentize.OcrSearchable (требует локально установленного Tesseract).
- Инструмент MCP: MakeSearchable.
- См. За пределами браузера.
Попробуйте
Отсканируйте или сфотографируйте две страницы печатного документа и сохраните их как PDF. Запустите Searchable на английском с настройками по умолчанию, откройте результат и нажмите Ctrl+F, чтобы найти слово, которое видно на странице. Повторите с выводом «Редактируемый Word» и сравните два файла: один выглядит как скан, а в другой можно вносить правки с клавиатуры.