Főoldal / Útmutató / Kereshető PDF

Hogyan lehet kereshető PDF-et csinálni?

A szkennelt PDF csak egy kép a papírról — nem lehet benne keresni. Ebből az útmutatóból megtudja, mi a kereshető PDF, miben más, és hogyan tehet egy kép alapú dokumentumot Ctrl+F-fel kereshetővé, magyar iratoknál is, a saját gépén.

Tartalom Mi a kereshető PDF? Kép alapú vs. kereshető PDF Kereshető PDF készítése lépésről lépésre Magyar iratok: mire figyeljen? Gyakori kérdések

Mi a kereshető PDF?

A kereshető PDF olyan dokumentum, amelyben a látható oldalkép alatt egy szövegréteg is van. Ez a szövegréteg teszi lehetővé, hogy a tartalomra Ctrl+F-fel rákeressen, kijelölje és kimásolja a szöveget, vagy hogy egy kereső megtalálja a fájlt. A megjelenés nem változik — a réteg láthatatlan, csak a kereshetőséget adja hozzá.

Amikor egy papírt beszkennel, jellemzően kép alapú PDF keletkezik: ez gyakorlatilag egy fénykép, amelyben nincs valódi szöveg. A keresőablakba beírt szóra a számítógép nem talál semmit, mert a betűk csak pixelek. A kereshetővé tételhez szövegfelismerésre (OCR) van szükség.

Kép alapú vs. kereshető PDF — hogyan dönti el?

Egyszerű teszt, amit bárki el tud végezni fél perc alatt:

Nyissa meg a PDF-et bármilyen olvasóban vagy a böngészőjében (húzza rá a fájlt egy böngészőablakra).
Próbáljon szöveget kijelölni: nyomja le az egér bal gombját egy szó elején, és húzza végig egy soron, mintha kijelölné. Vagy nyomjon Ctrl+A-t (mindent kijelöl).
Nézze meg, mi történik:
• Ha a betűk kékre/kijelöltre váltanak, és külön szavakat lát kijelölve — a PDF már kereshető, nincs teendő.
• Ha csak egy nagy képet tud kijelölni (vagy semmi sem jelölődik ki) — a PDF kép alapú (szkennelt), és OCR-re van szüksége.
Másik ellenőrzés: nyomjon Ctrl+F-et, írjon be egy szót, amit biztosan lát a lapon. Ha a kereső megtalálja, kereshető; ha „nincs találat”, akkor kép alapú.

Kereshető PDF készítése lépésről lépésre

1. lépés — Ellenőrizze a típust. A fenti teszttel győződjön meg róla, hogy a dokumentum kép alapú (szkennelt). Ha már digitális és kereshető, nincs teendő.

2. lépés — Futtasson OCR-t. Egy szövegfelismerő eszközzel ismertesse fel a szöveget. Magyar dokumentumnál fontos, hogy a felismerő magyar nyelvre legyen hangolva — különben az ékezetek és a számformátum hibásak lesznek.

3. lépés — Mentsen kereshető PDF-et. A jó eszköz az eredeti oldalkép alá írja a felismert szöveget láthatatlan rétegként, így a fájl ugyanúgy néz ki, de kereshetővé válik.

4. lépés — Ellenőrizze. Nyissa meg a kész fájlt, és a Ctrl+F kereséssel próbáljon rá egy benne szereplő szóra. Ha megtalálja, kész a kereshető PDF.

Kereshető PDF magyar iratokból — a saját gépén

A Magyar OCR helyben futó, magyar nyelvre hangolt eszköz: szkennelt PDF-ekből kereshető PDF-et készít, felhő és feltöltés nélkül.

A Magyar OCR megismerése

Magyar iratok: mire figyeljen?

A magyar nyelvű szkennelt iratok felismerésénél több tipikus buktató van, amit egy általános, nem magyar OCR gyakran elront:

Hosszú ékezetek (í, ő, ű) — gyakori a téves felismerés.
Magyar számformátum — az ezres szóköz és a tizedes vessző keveredhet.
Mértékegységek — az m², m³, °C felső indexe elveszhet.
0 és O összetévesztése — főleg számok közt.

Ezért érdemes magyar nyelvre hangolt megoldást használni, amely ezeket a hibákat célzottan kezeli, és — bizalmas iratoknál különösen fontos — helyben fut, így a dokumentum nem kerül fel egy idegen szerverre.

Gyakori kérdések

Mi a különbség a kép alapú és a kereshető PDF között?

A kép alapú (szkennelt) PDF csak egy fénykép a papírról; nincs benne kijelölhető szöveg. A kereshető PDF-ben az oldalkép alatt szövegréteg van, így a tartalom Ctrl+F-fel kereshető és kijelölhető.

Kell-e internet a kereshető PDF készítéséhez?

Nem feltétlenül. Helyben futó OCR-eszközzel a felismerés a saját gépén történik, így bizalmas iratokat is kereshetővé tehet anélkül, hogy bárhova feltöltené őket.

Megváltozik a PDF kinézete?

Nem. A szövegréteg láthatatlanul, az eredeti oldalkép alá kerül, így a dokumentum ugyanúgy néz ki, csak immár kereshető.

A digitális (nem szkennelt) PDF-et hogyan alakíthatom át?

Ha a PDF-ben már van valódi szöveg, OCR nélkül is kinyerhető. Erre való az ingyenes böngészős konvertálónk, amely Word, szöveg vagy JSON formátumba alakít — feltöltés nélkül.