PDF в Word с распознаванием текста: сканы, фото и таблицы
~5 мин чтения
Перевести PDF в Word кажется простой задачей, пока не попадётся скан. Тогда конвертер выдаёт документ из картинок, где нельзя поправить ни слова, или текст с ошибками через строчку. Для простого файла бесплатного конвертера хватает, а скан, рукопись и таблицы требуют распознавания.
Сначала поймите, что у вас за PDF
PDF бывает двух видов. Одни сохранены из Word или другой программы, и текст в них настоящий. Другие получены со сканера или телефона: каждая страница в них просто картинка.
Проверить легко. Откройте файл и попробуйте выделить слово мышкой или найти его поиском (Ctrl+F). Если выделяется и находится, текст в файле есть. Если выделяется вся страница целиком или поиск ничего не находит, перед вами скан, и без распознавания его не отредактировать.
Когда хватает бесплатного конвертера
Если текст в PDF настоящий и документ простой (письмо, договор, статья без сложных таблиц), бесплатный онлайн-конвертер справится за минуту. Word сам умеет открывать такие PDF.
Трудности начинаются в трёх случаях:
- Скан. Без распознавания конвертер положит в Word картинки страниц. Встроенное распознавание у бесплатных сервисов часто ошибается на плохих сканах, печатной машинке, печатях поверх текста и рукописи.
- Таблицы. Колонки превращаются в текст с пробелами или в набор отдельных надписей, и таблицу приходится собирать заново.
- Вёрстка. Каждая строка становится отдельной рамкой: выглядит как оригинал, но абзац не поправить, текст не переносится, а вставить новое предложение почти невозможно.
Копия вёрстки или удобный для правки документ
Word из PDF получается двух видов, и какой нужен вам, лучше решить заранее.
- Копия вёрстки. Документ выглядит как PDF: те же строки на тех же местах. Подходит, чтобы поправить пару слов в коротком письме. Для длинного текста неудобна: абзацы не переносятся, таблиц в привычном смысле нет.
- Пересобранный документ. Текст идёт абзацами с заголовками, таблицы становятся настоящими таблицами Word, картинки вырезаются со страниц. Вёрстка оригинала сохраняется не полностью, зато документ дальше можно спокойно править.
Steador сначала пробует выбранный способ на двух-трёх страницах, где есть и текст, и таблица, и говорит, какой результат отдаёт. Если документ можно сделать только вторым способом, вы узнаете об этом сразу, а не после того, как откроете файл.
Как агент распознаёт сканы
С плагином «PDF» агент сначала смотрит на страницы: печать это или рукопись, ровно лежит лист или повёрнут, чёткий скан или размытое фото. Повёрнутые страницы он разворачивает до чтения.
- Чистую машинную печать он распознаёт программой и сверяет результат с несколькими страницами оригинала.
- Плохие сканы, печатную машинку, копии через копирку, печати поверх текста и рукопись он читает сам, глазами модели. Распознавалка на таких страницах выдаёт кашу, а при чтении сохраняются заголовки и нумерация.
- Слово, в котором агент не уверен, он помечает знаком [?], а то, что прочитать нельзя, отмечает как неразборчивое. Догадки в документ не попадают.
- В ответе он называет страницы, которые прочитать не удалось, и причину: размыто, обрезан край, печать на тексте. Эти страницы можно переснять.
Длинный скан агент читает весь, без пропусков, и проверяет, что в документ попали все страницы. На сотню страниц уйдёт время, но сидеть рядом не нужно.
Таблицы и формы
Таблицы агент пересобирает настоящими таблицами Word, а не текстом с пробелами. Если таблица большая и с цифрами (смета, ведомость, выписка), удобнее получить её сразу в Excel: там агент сверит итоги и суммы по строкам. Как это устроено, мы разобрали в статье «Как перенести таблицу из PDF или скана в Excel».
Анкеты и бланки агент переносит с сохранением полей. Можно попросить и обратное: заполнить пустой бланк данными из другого документа.
Как попросить агента
- Откройте Steador в браузере и приложите PDF или фото страниц. Можно сразу несколько файлов.
- Напишите, что нужно: «Переведи этот скан в Word, чтобы его можно было править. Таблицы сделай таблицами».
- Если нужен вид как у оригинала, так и скажите: «нужна копия вёрстки, текст я поправлю в паре мест».
- Скачайте документ и посмотрите места, которые агент отметил в ответе.
Что проверить в результате
- цифры, суммы, даты и номера документов: на них чаще всего ошибается любое распознавание;
- фамилии и названия организаций;
- места, помеченные [?], и страницы, которые агент назвал неразборчивыми;
- что все страницы на месте и идут по порядку.
Если в документе нашлась ошибка, напишите агенту, где она, и он поправит файл. Ещё несколько задач с документами и сканами есть в статье «Что можно поручить ИИ-агенту».
Частые вопросы
Как перевести PDF в Word бесплатно?
Если текст в PDF настоящий (его можно выделить мышкой), Word откроет файл сам, подойдёт и любой онлайн-конвертер. Для скана нужен конвертер с распознаванием текста. На плохих сканах и рукописи он ошибается, такие файлы лучше отдать агенту.
Может ли нейросеть распознать рукописный текст из PDF?
Да. Steador читает рукописные страницы сам, а не программой распознавания, которая на почерке выдаёт кашу. Слова, в которых он не уверен, помечаются, неразборчивые места не заполняются догадками.
Сохранятся ли таблицы при переводе в Word?
Агент пересобирает их настоящими таблицами Word. Большую таблицу с цифрами удобнее получить в Excel: там агент сверит суммы по строкам и итоги.
Почему после конвертации текст в Word нельзя нормально править?
Конвертер сделал копию вёрстки: каждая строка стала отдельной рамкой, а у скана и вовсе картинкой. Чтобы текст шёл абзацами, документ нужно пересобрать, и агент делает это по просьбе.