Перейти к основному содержимому
PPDF123

Распознать текст в отсканированном PDF

OCR для PDF читает отсканированный PDF или PDF из изображений и возвращает либо PDF со скрытым текстовым слоем для поиска, либо текст в файле Markdown. Исходный файл не меняется.

Перетащите файлы сюда или нажмите, чтобы выбрать

Форматы: PDF · до 500.0 MB на файл · до 20 файлов за раз

Файл можно также вставить через Ctrl/Cmd+V или из меню буфера обмена.

OCR для PDF читает отсканированный или состоящий из изображений PDF и возвращает его в одном из двух видов. PDF с возможностью поиска — те же страницы с невидимым текстовым слоем, так что текст можно искать, выделять и копировать. Markdown — это текст в файле .md для заметок, репозиториев и конвейеров обработки. Исходный файл никогда не меняется.

PDF с возможностью поиска создаётся с помощью Tesseract. Каждая страница рендерится в 300 dpi, распознаётся на выбранном вами языке и записывается обратно как изображение страницы, за которым спрятан распознанный текст. Число страниц остаётся прежним. Поскольку каждая страница рендерится заново, страница, где уже был настоящий текст, превращается в изображение с текстовым слоем, а размер файла может сильно отличаться от исходного. В форме можно выбрать один из 12 языков; через API допускается до четырёх, соединённых знаком плюс, например eng+fra. За один запрос обрабатывается не больше 50 страниц.

Для вывода в Markdown используется другой движок: он объединяет встроенный текст PDF с оптическим распознаванием на страницах-изображениях. Принудительный OCR (`ocrType=force-ocr`, значение по умолчанию на портале) заново распознаёт каждую страницу, а режим «Обычный» берёт существующий текст там, где он есть, и распознаёт только страницы без текста. У этого движка нет настройки языка, и список языков к нему не относится.

В обоих режимах точность зависит от качества скана, контрастности и перекоса. Если возможно, обрежьте и выровняйте снимки с телефона перед загрузкой: страница, снятая под углом в виде трапеции, тратит распознавание на фон. OCR распознаёт символы; он не переводит и не исправляет текст, а также не очищает и не выравнивает сам скан.

Рукописный текст, декоративные шрифты и факсы низкого разрешения — самые трудные случаи. Если символ неоднозначен, например 1 и l или 0 и O, движок выбирает наиболее вероятный вариант и идёт дальше, а оценку уверенности не возвращает ни один из режимов. Выборочно проверяйте имена и числа, которые должны быть точными. В Markdown таблицы превращаются в вертикальные черты, а объединённая ячейка может потерять свою строку; страницы с несколькими колонками читаются в порядке, который определяет движок.

Не применяйте OCR к документам, которые вам нельзя оцифровывать или распространять. Задания выполняются на сервере, поэтому скачивайте результат сразу. Мы не храним библиотеку OCR из ваших файлов. Файлы, защищённые паролем, на этой странице разблокируются после ввода пароля; при работе через API сначала выполните «Снять пароль».

Функции

  • PDF со скрытым текстовым слоем для поиска или текст в Markdown
  • PDF с поиском: Tesseract в 300 dpi, 12 языков, до 50 страниц
  • Markdown: встроенный текст плюс распознавание на страницах-изображениях; режим «Принудительный» или «Обычный»
  • Исходный PDF не меняется
  • Анонимный API /api/v1/misc/ocr-pdf с параметрами outputFormat и languages

Когда применять

  • Сделать стопку отсканированных договоров доступной для поиска в архиве документов
  • Скопировать абзац со сфотографированной или отсканированной страницы
  • Передать сканы агентам или конвейерам, которым нужен Markdown
  • Сделать сфотографированные чеки доступными для поиска в приложении для заметок

Как сделать OCR отсканированного PDF?

  1. Загрузите отсканированный или снятый на камеру PDF.
  2. Выберите «PDF с возможностью поиска» или «Текст Markdown». Для PDF с поиском укажите язык текста.
  3. Нажмите «Обработать» и скачайте результат.
  4. Прежде чем полагаться на результат, выборочно проверьте имена и числа и попробуйте найти в PDF слово, которое точно там есть.

Ограничения и особые случаи

  • Точность зависит от качества изображения; рукописный текст и стилизованные шрифты распознаются плохо
  • PDF с поиском: не более 50 страниц, 300 dpi, одно изображение на страницу
  • В Markdown нет настройки языка, оценок уверенности и вывода по страницам
  • Это не перевод, не выравнивание и не очистка скана
  • Очень большое число страниц обрабатывается дольше

Примеры

  • Скан договора на 20 страниц в градациях серого превращается в PDF, где поиск номера пункта находит нужную страницу
  • Отсканированная страница со строкой английского текста даёт PDF, из которого эту строку можно скопировать
  • Снимок с телефона с перекосом, возможно, придётся переснять, прежде чем OCR станет полезным

Конфиденциальность этого инструмента

Файлы загружаются по HTTPS, обрабатываются в памяти или во временном каталоге с коротким сроком жизни на наших серверах и удаляются, когда результат готов. Мы не храним копии для последующего просмотра, обучения или рекламных профилей. Подробности о хранении и о cookie AdSense — в Политике конфиденциальности.

Частые вопросы

Можно ли получить PDF с возможностью поиска?
Да. Выберите в форме «PDF с возможностью поиска». Каждая страница распознаётся и записывается обратно как изображение со скрытым текстовым слоем, поэтому по тексту можно искать и копировать его.
Почему PDF с поиском выглядит как скан, а не как мой исходный файл?
Перед распознаванием каждая страница рендерится в изображение, в том числе страницы, где уже был настоящий текст. Текстовый слой лежит под изображением.
Какие языки поддерживаются?
В форме доступны английский, немецкий, французский, испанский, португальский, итальянский, русский, арабский, китайский (упрощённый и традиционный), японский и корейский. Через API можно соединить до четырёх кодов знаком плюс, например eng+fra.
Сколько страниц можно обработать?
До 50 страниц для PDF с возможностью поиска. Более длинный файл отклоняется с ошибкой; сначала разделите его.
Учитывает ли вывод в Markdown настройку языка?
Нет. У движка Markdown нет параметра языка. Список языков нужен только для PDF с возможностью поиска.
Изменит ли OCR внешний вид страниц?
Нет. Вы получаете новый файл, а исходный не меняется. PDF с поиском показывает каждую страницу как изображение, как это делает скан.
Справляется ли OCR с рукописным текстом?
Плохо. Оба движка рассчитаны на печатные символы. Курсив, декоративные шрифты и факсы с низким разрешением часто превращаются в мусор.
Нужен ли принудительный OCR для PDF, созданного в цифровом виде?
Обычно нет. Для Markdown режим «Обычный» использует существующий текст и пропускает движок распознавания. Применяйте принудительный режим, если этот слой повреждён.

Последнее обновление:

Вызов из кода

Каждый инструмент на сайте: обычный REST. Анонимно не нужны ни аккаунт, ни ключ API. И для браузера, и для разработчиков, и для ИИ-агентов.

curl -X POST "https://pdf123.xyz/api/v1/misc/ocr-pdf" \
  -F "[email protected]" \
  -F "outputFormat=markdown" \
  -F "ocrType=force-ocr" \
  -F "languages=eng" \
  -o output.pdf

Есть и как MCP-инструмент для клиентов на Model Context Protocol (JSON-RPC 2.0, POST /mcp). Полное описание API

Использовать через ИИ-агента

Скилл

С этим скиллом Claude Code, Codex, Cursor и другие ИИ-агенты смогут выполнить «OCR для PDF» за вас: /skills/pdf123-ocr.md

Все скиллы для агентов

Файлы нужны только для этой обработки и потом удаляются.