# Ваш PDF — скан или текстовый документ? Проверка перед загрузкой

Попробуйте выделить и скопировать текст на нескольких страницах, чтобы понять, состоит ли PDF только из изображений, содержит ли скрытый слой OCR или сочетает текст и сканы, прежде чем выбирать конвертацию или перевод.

PDF, который на экране выглядит чётко, может содержать лишь изображения слов. Другой файл может показывать ту же отсканированную страницу, но со скрытым текстовым слоем. От этого зависит поиск, копирование, конвертация и перевод.

Понять, с чем вы имеете дело, можно и без изучения внутреннего устройства файла. Проверьте несколько страниц и смотрите на то, что реально даёт текстовый слой, а не только на внешний вид документа.

## Выделите и скопируйте целое предложение

Откройте PDF в просмотрщике и попробуйте выделить предложение в основном тексте. Вставьте его в простой текстовый редактор. Проверьте символы и их порядок, включая знаки препинания, числа, а также буквы с диакритикой или текст на другом алфавите.

Если выделяется изображение всей страницы, а не отдельные слова, скорее всего, страница состоит только из картинки. Если предложение копируется без искажений, в этом месте есть пригодный текстовый слой. Если при копировании получается бессмыслица или строки перескакивают между колонками, выделяемый текст есть, но полагаться на него при дальнейшей обработке рискованно.

Не судите о всей книге по обложке. На титульных страницах часто используются другие шрифты, изображения и вёрстка, чем в основном тексте.

## Как распознать скан со скрытым текстовым слоем

OCR может добавить текст для поиска поверх или под отсканированным изображением. Сама страница остаётся сканом, а поиск и выделение работают с распознанным текстом. Это бывает удобно, но в невидимом слое могут быть ошибки, которых не видно на чётком изображении.

Найдите поиском характерную фразу и сравните найденный текст с изображением. Скопируйте строку с числом или специальным термином. Проверьте, совпадает ли выделение с нужным местом и соответствует ли его содержимое тому, что вы читаете.

Ошибки в скрытом слое ещё не означают, что плох сам скан. Причиной могут быть прежнее распознавание, проблемы с кодировкой или неверный порядок чтения. Учитывайте оба варианта, прежде чем решать, сканировать заново или обрабатывать файл повторно.

## Проверьте выборочно смешанные и сложные страницы

Многие PDF сочетают цифровой текст со вставками сканов, приложениями или иллюстрациями. В разных разделах документа вёрстка тоже может отличаться. Возьмите небольшую выборку страниц:

| Что проверить               | Зачем                                        |
| --------------------------- | -------------------------------------------- |
| Обычный основной текст      | Определить основной тип содержимого          |
| Средние и последние разделы | Найти изменения в источнике или при экспорте |
| Страница в две колонки      | Проверить порядок извлечения текста          |
| Таблица или формула         | Проверить числа, символы и структуру         |
| Примечания или приложение   | Найти мелкий текст и вставки сканов          |

Отметьте, какие страницы состоят только из изображений, какие копируются правильно, а какие содержат ненадёжный текст. Это даст больше, чем один ярлык «сканированный PDF».

Если сам скан размыт, обрезан или на нём видны тени, устраните это до того, как полагаться на распознавание. В [руководстве по подготовке плохих сканов](https://pdfcraft.ai/ru-RU/blog/prepare-poor-quality-scans/) описана подготовка во внешних программах — сайт не берётся за редактирование изображений.

## Выберите способ обработки в зависимости от дальнейшей задачи

Если документ состоит только из изображений, сначала нужно распознать текст с помощью OCR, и лишь затем он сможет стать редактируемым содержимым или переводом для чтения. Не менее важна и структура: распознавание всех слов ещё не расставляет колонки, подписи и примечания в нужном порядке.

Если вы хотите читать дальше с настраиваемым размером шрифта, обратите внимание на [перевод сканированного PDF в EPUB](https://pdfcraft.ai/ru-RU/pdf-craft/). Если нужен редактируемый текст для заметок или дальнейшей работы, подойдёт [конвертация PDF в Markdown](https://pdfcraft.ai/ru-RU/pdf-craft/pdf-to-markdown/). Если важен точный внешний вид страниц, сохраните исходный PDF.

Для другого языка заранее решите, нужен ли перевод. В PDF Craft вывод в формате PDF требует перевода. При выводе в EPUB и Markdown можно обойтись без него, поэтому включайте перевод, только если он нужен. Полный процесс описан в [руководстве по переводу сканированных PDF](https://pdfcraft.ai/ru-RU/blog/translate-scanned-pdf/).

## Не путайте проверку источника с проверкой результата

Такая проверка показывает, что, судя по всему, содержит исходный файл. Она не доказывает, что последующая конвертация пройдёт правильно. После обработки откройте те же сложные страницы и сравните скачанный файл с исходником.

Загрузите файл в [рабочую область PDF](https://pdfcraft.ai/ru-RU/pdf-craft/) и проверьте действующие настройки и ограничения. Новым пользователям начисляются пробные кредиты; обработка оплачивается по фактическому использованию, актуальные тарифы — на странице [«Цены»](https://pdfcraft.ai/ru-RU/pricing/). В [руководстве по OCR и переводу](https://pdfcraft.ai/ru-RU/blog/ocr-and-translate-workflow/) объясняется, почему после проверки источника распознавание текста, структура и смысл требуют отдельного внимания.