Как выбрать формат для сохранения сканированного документа: PDF, JPEG или PDF с распознанным текстом
Если документ нужен только для просмотра или отправки, хватит PDF-изображения или JPEG. Если по документу предстоит искать слова, копировать реквизиты и складывать его в архив на годы, сохраняйте PDF с распознанным текстом. Ключевое отличие не в расширении файла, а в том, есть ли внутри невидимый слой символов поверх картинки. Проверить это можно за минуту поиском по документу.
Чем PDF-изображение отличается от PDF с текстовым слоем
PDF — это контейнер, в который можно положить что угодно. PDF-изображение содержит только отсканированную картинку: вы видите страницу, но компьютер воспринимает её как фотографию. Выделить абзац курсором или найти слово через поиск не получится.
PDF с текстовым слоем создаётся после распознавания (OCR — оптическое распознавание символов). Поверх изображения программа накладывает невидимые символы, привязанные к координатам на странице. Картинка остаётся прежней, но теперь по ней работает поиск, копирование и выделение.
Распознавание не гарантирует идеального результата. Ошибки зависят от качества скана, контраста, языка и шрифта. Мелкий бледный текст, печати и рукописные пометки распознаются хуже машинописного. Поэтому после OCR полезно проверить несколько характерных слов из документа.
Когда JPEG удобнее, а когда теряет качество
JPEG выручает, когда нужно быстро отправить одну страницу в мессенджере или вставить скан в переписку. Это обычное изображение, его откроет любое устройство без дополнительных программ. Для многостраничного документа формат неудобен: придётся отправлять несколько файлов или собирать их в архив.
Главное ограничение JPEG — сжатие с потерями. При сильном сжатии мелкий шрифт, тонкие линии таблиц и подписи становятся нечёткими, вокруг контрастных элементов появляются артефакты. Для архива и печати сохраняйте JPEG с максимальным качеством либо выбирайте PDF.
Как размер файла зависит от разрешения и формата
Разрешение сканирования измеряют в точках на дюйм (dpi). Чем выше значение, тем больше пикселей попадает на страницу и тем крупнее файл. Для обычного текстового документа обычно достаточно 300 dpi: буквы остаются чёткими, а файл не разрастается чрезмерно. Для фотографий, мелких схем и документов с тонкими деталями разрешение повышают.
Формат влияет на размер по-разному. JPEG сжимает изображение и часто даёт файл меньше, чем PDF с той же картинкой. PDF с текстовым слоем обычно чуть тяжелее PDF-изображения из-за дополнительных данных распознавания, но это редко бывает решающим фактором.
| Задача | Подходящий формат | Что учесть |
|---|---|---|
| Отправить одну страницу в переписке | JPEG | Проверьте читаемость мелкого текста |
| Многостраничный документ для просмотра | PDF-изображение | Текст не выделяется и не ищется |
| Архив с возможностью поиска | PDF с текстовым слоем | Проверьте качество распознавания |
| Печать документа | PDF-изображение или PDF с текстом | Достаточно 300 dpi |
Что теряется при сжатии и как это проверить
Сжатие JPEG сильнее всего бьёт по мелким деталям: тонким шрифтам, штрихкодам, печатям и подписям. Откройте файл в масштабе 100% и сравните с оригиналом. Смотрите на чёткость краёв букв и на наличие размытых пятен вокруг контрастных элементов — это и есть артефакты сжатия.
Для PDF с текстовым слоем проверка другая. Выделите фрагмент текста курсором: если символы выделяются, слой есть. Затем найдите через поиск слово, которое точно встречается на странице. Если поиск находит его и подсвечивает нужное место, распознавание прошло успешно.
Как проверить, что текст в PDF действительно ищется
Откройте файл в любой программе для просмотра PDF и попробуйте выделить абзац. Не выделяется — перед вами изображение без текстового слоя. Выделяется, но с ошибками — распознавание выполнено, однако качество низкое.
Дальше запустите поиск по документу (обычно Ctrl+F) и введите редкое слово со страницы, например фамилию или номер. Если оно находится, слой работает. Если нет, документ нужно распознать заново или проверить, на каком языке выполнялось распознавание.
- Откройте скан в масштабе 100% и оцените чёткость мелкого текста.
- Выделите абзац курсором: текст должен выделяться.
- Найдите через поиск слово, которое точно есть на странице.
- Сверьте найденный фрагмент с изображением — нет ли ошибок распознавания.
- Проверьте размер файла: он должен позволять отправить документ нужным способом.
Пример для двух страниц: скан в JPEG при 300 dpi со средним сжатием даёт файл около 500 КБ на страницу, текст читается, но при увеличении видны артефакты. PDF-изображение с теми же настройками весит около 1 МБ, качество аналогичное. После распознавания PDF с текстовым слоем занимает примерно 1,2 МБ, и по нему уже работает поиск. Для отправки по почте хватит JPEG, для архива и поиска выбирайте PDF с текстовым слоем.
Для рабочего архива договоров и актов сохраняйте PDF с текстовым слоем при 300 dpi: так документы можно находить по номеру и фамилии через годы. Ограничение одно: рукописные пометки и плохо пропечатанные печати распознаются ненадёжно, поэтому такие страницы стоит дополнительно подписывать в имени файла.