Перейти до основного вмісту
PPDF123

Виконайте OCR відсканованого PDF

OCR для PDF читає відсканований або графічний PDF і повертає PDF із прихованим текстовим шаром для пошуку або його текст як файл Markdown. Оригінальний файл не змінюється.

Перетягніть файли сюди або натисніть, щоб вибрати

Формати: PDF · до 500.0 MB на файл · до 20 файлів за раз

Файл також можна вставити через Ctrl/Cmd+V або з меню буфера обміну.

OCR для PDF читає відсканований або графічний PDF і повертає результат у одній з двох форм. PDF із пошуком зберігає ті самі сторінки з невидимим текстовим шаром, тож текст можна шукати, виділяти й копіювати. Markdown дає текст як файл .md для нотаток, репозиторіїв і конвеєрів. Оригінальний файл ніколи не змінюється.

PDF із пошуком створюється за допомогою Tesseract. Кожну сторінку рендерять у 300 dpi, розпізнають обраною вами мовою і записують назад як зображення сторінки, за яким прихований розпізнаний текст. Кількість сторінок не змінюється. Оскільки кожна сторінка рендериться наново, сторінка зі справжнім текстом теж стає зображенням із текстовим шаром, а розмір файлу може сильно відрізнятися від оригіналу. У формі можна вибрати одну з 12 мов; API також приймає до чотирьох кодів, з’єднаних плюсом, наприклад eng+fra. За один запит обробляється щонайбільше 50 сторінок.

Вивід у Markdown використовує інший рушій, який поєднує рідний текст PDF з оптичним розпізнаванням на сторінках-зображеннях. Примусовий OCR (`ocrType=force-ocr`, типове значення порталу) розпізнає кожну сторінку заново, а Звичайний бере наявний текст, якщо він є у файлі, і розпізнає лише сторінки без тексту. У цього рушія немає налаштування мови, і список мов до нього не застосовується.

В обох режимах точність залежить від якості скану, контрасту й нахилу. Знімки з телефона за можливості обріжте й вирівняйте перед завантаженням: трапецієподібне фото витрачає розпізнавання на тло. OCR розпізнає символи; він не перекладає й не виправляє текст, не чистить скан і не усуває його нахил.

Найважчі вхідні дані: рукопис, декоративні шрифти та факси низької роздільності. Коли символ неоднозначний, як-от 1 і l чи 0 і O, рушій обирає найімовірніше прочитання й іде далі; жоден режим не повертає оцінку впевненості. Вибірково перевіряйте імена й числа, які мають бути точними. У Markdown таблиці стають вертикальними рисками, а об’єднана клітинка може втратити свій рядок; багатоколонкові сторінки читаються в порядку, який визначає рушій.

Не застосовуйте OCR до документів, які вам не дозволено оцифровувати чи поширювати. Завдання виконуються на сервері, тож завантажте результат вчасно. Ми не ведемо OCR-бібліотеку ваших файлів. Файли, захищені паролем, розблоковуються для вас на цій сторінці після введення пароля; виклики через API мають спершу виконати розблокування.

Що вміє

  • PDF із прихованим текстовим шаром (пошук) або текст Markdown
  • PDF із пошуком: Tesseract у 300 dpi, 12 мов, до 50 сторінок
  • Markdown: рідний текст плюс розпізнавання на сторінках-зображеннях; режим Примусовий або Звичайний
  • Оригінальний PDF не змінюється
  • Анонімний API /api/v1/misc/ocr-pdf з параметрами outputFormat і languages

Коли брати цей інструмент

  • Зробити придатною для пошуку стопку відсканованих договорів в архіві документів
  • Скопіювати абзац зі сфотографованої чи відсканованої сторінки
  • Передати скани агентам або конвеєрам, яким потрібен Markdown
  • Зробити сфотографовані чеки придатними для пошуку в застосунку для нотаток

Як виконати OCR відсканованого PDF?

  1. Завантажте відсканований або знятий камерою PDF.
  2. Виберіть «PDF із пошуком» або «Текст Markdown». Для PDF із пошуком оберіть мову тексту.
  3. Натисніть «Обробити» й завантажте результат.
  4. Перед використанням вибірково перевірте імена й числа та спробуйте знайти в PDF слово, яке точно там є.

Обмеження і межі

  • Точність залежить від якості зображення; рукопис і стилізовані шрифти розпізнаються погано
  • PDF із пошуком: не більше 50 сторінок, 300 dpi, одне зображення на сторінку
  • У Markdown немає налаштування мови, оцінок впевненості та посторінкового виводу
  • Це не переклад, не випрямлення й не чищення скану
  • Велика кількість сторінок потребує більше часу

Приклади

  • 20-сторінковий сірий скан договору стає PDF, у якому пошук номера пункту знаходить потрібну сторінку
  • Відскановану сторінку з рядком англійського тексту повертають як PDF, з якого цей рядок можна скопіювати
  • Перекошене фото з телефона, можливо, доведеться зняти знову, щоб OCR був корисним

Приватність цього інструмента

Файли завантажуються через HTTPS, обробляються в пам’яті або в короткочасній тимчасовій теці на наших серверах і видаляються, щойно результат готовий. Ми не зберігаємо копій для подальшого перегляду, навчання чи рекламних профілів. Подробиці про зберігання та повідомлення про файли cookie AdSense дивіться в Політиці конфіденційності.

Часті запитання

Чи можна отримати PDF із пошуком?
Так. Виберіть у формі «PDF із пошуком». Кожну сторінку розпізнають і записують назад як зображення з прихованим текстовим шаром, тож текст можна шукати й копіювати.
Чому PDF із пошуком схожий на скан, а не на мій оригінальний файл?
Кожну сторінку перед розпізнаванням рендерять у зображення, зокрема й ті, що вже мали справжній текст. Текстовий шар лежить за зображенням.
Які мови підтримуються?
Форма пропонує англійську, німецьку, французьку, іспанську, португальську, італійську, російську, арабську, спрощену китайську, традиційну китайську, японську та корейську. Через API можна з’єднати плюсом до чотирьох кодів, наприклад eng+fra.
Скільки сторінок можна обробити?
До 50 сторінок для PDF із пошуком. Довший файл відхиляється з помилкою; спершу розділіть його.
Чи використовує вивід Markdown налаштування мови?
Ні. У рушія Markdown немає параметра мови. Список мов стосується лише PDF із пошуком.
Чи змінить OCR вигляд сторінок?
Ні. Ви отримуєте новий файл, оригінал не змінюється. PDF із пошуком показує кожну сторінку як зображення, подібно до скану.
Чи розпізнає OCR рукопис?
Погано. Обидва рушії націлені на надрукований машинним способом текст. Рукопис, декоративні шрифти й факси низької роздільності часто виходять як шум.
Чи потрібен примусовий OCR для PDF, створеного в цифровому вигляді?
Зазвичай ні. Для Markdown режим Звичайний використовує наявний текст і пропускає рушій розпізнавання. Примусовий режим застосовуйте, якщо цей шар пошкоджений.

Востаннє оновлено:

Виклик із коду

Кожен інструмент на сайті - звичайний REST-інтерфейс. Для анонімної роботи не потрібні обліковий запис чи ключ API. І для браузера, і для розробників, і для програмних агентів.

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

Також є як MCP-інструмент для клієнтів із Model Context Protocol (JSON-RPC 2.0 через POST /mcp). Повний довідник API

Використати через ШІ-агента

Скіл

З цим скілом Claude Code, Codex, Cursor та інші ШІ-агенти зможуть виконати «OCR для PDF» замість вас: /skills/pdf123-ocr.md

Усі скіли для агентів

Файли потрібні лише для цієї обробки й потім стираються самі.