Как удалить OCR из PDF?
Я давно ищу в Google, но не могу найти ответ на свой вопрос.
У меня есть нежелательные слои распознавания текста в документе, который я недавно отсканировал с помощью Adobe Acrobat. Он не был правильно распознан, и я хочу отредактировать некоторую информацию, но OCR создает необходимую информацию для удаления. Я преобразовал файлы в формат TIF, но заметил (очень) значительную потерю качества. Я слышал, что печать в другой PDF-файл либо сохраняет текст, либо снижает качество изображения.
Я ценю любую помощь в решении этой проблемы как можно скорее.
Благодарю вас.
11 ответов
В Acrobat Pro DC соответствующей командой является "Удалить скрытую информацию", доступную через инструменты "Защита" и "Редактирование".
При запуске команды она просто ищет скрытую информацию, но не меняет документ. Затем вы должны указать Acrobat, какую информацию удалить. В этом случае выберите "Скрытый текст" на панели результатов, затем нажмите кнопку "Удалить" и сохраните измененный документ.
После долгих экспериментов я обнаружил, что при печати в Adobe PDF из Adobe Acrobat документ распечатывается без распознавания текста и без потери качества (незаметное на первый взгляд разрешение теряется).
Однако многие сайты утверждают, что это не работает. Я также пробовал другие принтеры, такие как Foxit Reader и OneNote, но качество было снижено. JPEG тоже был таким же.
Пожалуйста, имейте в виду, что ваш пробег может отличаться.
Примечание: я оставляю эту ветку помеченной как неотвеченную в надежде найти лучший ответ, чем мой.
В Acrobat Pro: используйте "удалить скрытую информацию" (в разделе "защита"). Выбрать все, выполнить, OCR пропал
(год назад...)
Если, как вы говорите, документы отсканированы и, например, не напечатаны в формате PDF из Word, вы можете легко удалить их с помощью Adobe:
Выберите " Документ", "Проверить документ", и теперь вы можете удалить скрытый текст (OCR).
Попробуйте драйвер «MS Print to PDF». Он поставляется со всеми последними версиями Windows. Обязательно установите флажок «Печать как изображение» в дополнительных настройках, чтобы удалить распознавание текста.
Потеря качества при печати в PDF незначительна. Однако по умолчанию OCR сохраняется, если вы не печатаете как изображение.
Простой способ удалить слой OCR из PDF: откройте PDF в Firefox и «распечатайте» его в другой PDF-файл.
Обратите внимание, что «красивый» PDF-файл (например, созданный в MS Word) станет намного больше (в моем случае от 0,5 до 2 МБ), а качество несколько ухудшится. Убедитесь, что вы установили правильный размер бумаги при печати.
Если вы хотите повторить распознавание текста вместо его полного удаления и не возражаете против командной строки, используйте ocrmypdf :
ocrmypdf --redo-ocr --output-type=pdf input.pdf output.pdf
В Windows 10 самый простой способ настроить и использовать ocrmypdf — через WSL.
В Acrobat X в разделе Защита есть кнопка Sanitize Document, которая удаляет ВСЕ, кроме того, что можно увидеть (включая текстовый слой OCR), преобразовывая документ в сплющенную битовую карту.
Я решил это экспортом в JPEG, затем из JPEG 'объединить файлы в acrobat'. Это из документа, который изначально был документом Word и был преобразован в PDF. OCR больше нет.
Используйте плагин PitStop Pro Acrobat, в «Списке действий» создайте новое действие, справа вверху найдите «Выбрать фрагмент текста» и «Удалить выбранный объект», запустите область действия: весь документ, как показано ниже:
Я создал инструмент, чтобы сделать этот бесплатный PDF Redactor. Если вы загрузите изображение и нажмете "Отредактировать", оно сгладит ваш PDF и удалит OCR. При желании вы также можете нарисовать отметки редактирования на документе.
- Для Adobe X и более поздних версий: Инструменты > Защита > Удалить скрытую информацию.
- Для Adobe 9 и более ранних версий: «Документ» > «Просмотреть документ».
Ссылка: https://answers.acrobatusers.com/undo-recowle-text-q28083.aspx .