教學

讓掃描的卷證可以搜尋、複製:可搜尋 PDF 教學

閱卷拿到的掃描卷,在 PDF 閱讀程式裡搜尋不到任何字,因為每一頁其實是一張圖片。「可搜尋 PDF」在這台裝置上辨識每一張掃描頁的文字,再把文字疊回原頁,存成一份新的 PDF。

這個工具做什麼

「可搜尋 PDF」在首頁的「讀卷」那一組(Mac 也可以按 ⌘7)。它做的事:

  1. 檢查每一頁有沒有文字。只有圖片、沒有文字的頁,當成掃描頁。
  2. 用 Apple 系統內建的文字辨識,在這台裝置上辨識掃描頁的文字。卷證不會上傳。
  3. 把辨識出的文字用看不見的文字層疊在原圖上,另存一份 PDF。頁面看起來跟原本一樣,但可以搜尋、反白、複製。

原本的 PDF 不會被改動。已經有文字的頁和空白頁不處理。

示範用的是合成卷「偵卷.pdf」每頁轉成圖片做成的「偵卷_掃描.pdf」(5 頁都是掃描),以及本來就有文字的「院卷.pdf」。

什麼時候需要它

審判工具箱的書籤形成、供述切割、全文搜尋、PDF 轉 Markdown 等工具,遇到掃描頁時會自己先辨識文字,不需要先用這個工具。

這個工具是給「PDF 本身」用的:處理過的 PDF 用預覽程式、Acrobat 或其他 PDF 閱讀程式打開,也能搜尋、反白、複製文字;交給別人或其他軟體時,對方拿到的也是可以搜尋的檔案。

第一步:放入 PDF

點「可搜尋 PDF」,把 PDF 拖進虛線框,或按「選擇檔案…」。可以一次放好幾份,每份各自輸出。

可搜尋 PDF 放入兩份:偵卷_掃描.pdf 5 頁、院卷.pdf 3 頁,會得到每份一個可以搜尋的 PDF
▲ 放入掃描的偵卷與有文字的院卷。

有開啟密碼的 PDF,放進來時會問密碼。放好後按右上角的「下一步:設定與預覽」。

第二步:看哪幾頁是掃描、先試辨識一頁

左邊是每一份的檢查結果:「5 頁,其中 5 頁是掃描・約 20 秒」,右側標著「5 頁掃描」。整份都有文字的寫「3 頁都有文字,不用處理」,這一份不會輸出。下面是全部合計的掃描頁數與預估時間。

偵卷_掃描.pdf 5 頁,其中 5 頁是掃描、約 20 秒;院卷.pdf 3 頁都有文字,不用處理;全部合計 5 頁掃描,約 20 秒
▲ 院卷本來就有文字,不用處理。

右邊預覽目前這一份的一頁。App 會先跳到第一張掃描頁,辨識那一頁,在頁面上用紅框標出辨識出的每一行,旁邊列出辨識出的文字與行數。

預覽偵卷_掃描.pdf 第 2 頁(掃描頁):頁面上每一行用紅框標出,右邊是辨識出的 9 行文字
▲ 第 2 頁的調查筆錄。紅框是辨識出的每一行,輸出後這些字會疊在原圖上。
  • 用右上角的箭頭換頁,或點「跳到掃描頁」選一頁。頁面上方標著「掃描頁」或「已有文字,不處理」。
  • 點左邊另一份,右邊換成那一份。
  • 閒置一陣子後第一次辨識,會顯示「辨識中…第一次辨識可能要十幾秒(系統在載入文字辨識)。」

這一步的重點是看辨識的品質:紅框有沒有對在字上、右邊的文字錯字多不多。示範這頁是乾淨的電腦字,幾乎都對,只有「3月1日」中間多了一個空白;用 PDF 閱讀程式搜尋「3月1日」時,可能因此找不到。實際的掃描卷字小、淡、歪斜或有雜點時,錯字會多很多。

確認後按「下一步:輸出」。所有放入的檔案都已經有文字時,按鈕不能按,旁邊寫「這幾份都已經有文字層,不用處理」。

第三步:輸出

左邊寫著要辨識幾頁、預估時間,右邊列出會產生的檔案,只有含掃描頁的那幾份。檔名是原檔名加「_可搜尋」。

輸出設定的預估時間:約 20 秒(約每頁 4 秒),處理中可以按停止;右邊只會產生 1 個檔案:偵卷_掃描_可搜尋.pdf
▲ 5 頁掃描,預估約 20 秒。院卷不在清單裡。
  • 預估時間以每頁約 4 秒計算,實際時間依電腦而不同,可能比預估快。同一頁如果剛才在書籤形成、PDF 轉 Markdown 等工具辨識過,會直接沿用。
  • 按「開始輸出 N 個檔案」後,畫面顯示「處理中」與百分比。卷很大時可以按「停止」,已經完成的檔案會留在輸出資料夾,做到一半的那一份不會留下。
輸出完成:產生了 1 個檔案,1 份 PDF
▲ 產生 1 份 PDF。

點開「詳細記錄」,會寫出每一份有幾頁寫入文字層、幾頁辨識不出字。檔案存在「下載項目 › 審判工具箱」底下新開的資料夾,也可以在輸出前用「存到 › 選擇…」換位置。

輸出後怎麼確認

用 PDF 閱讀程式打開輸出的檔案,搜尋一個這份卷裡一定有的詞(例如被告的姓名或案號),看找不找得到、反白的位置對不對。找不到的話,多半是那個詞被辨識錯了;可以回到第二步,翻到那一頁看辨識出的文字。

在 iPhone・iPad 上

步驟相同。在 iPhone 上,檔案清單、頁面預覽與辨識出的文字由上往下排,「下一步」等按鈕在畫面下方,輸出的檔案在「檔案」App 的「我的 iPhone › 審判工具箱」。iPhone・iPad 上也可以用相機掃描紙本,再用這個工具處理。細節在在 iPhone・iPad 上使用那篇。

做不到的事/要注意

  • 辨識錯的字搜不到。寫進去的是辨識出的文字,讀錯的字就以讀錯的樣子存在,搜尋原本的寫法找不到。
  • 只處理橫書。直書的文字、很小的表格字、手寫、印章認不全。
  • 反白的位置是每一行縮放對齊的;同一行字距不平均時,中間的字反白會偏幾點。
  • 已經有文字的頁不會重新辨識。原檔的文字層本身有錯(例如轉檔時亂碼),這個工具不會修正。
  • 辨識很花時間,卷大時請預留時間;可以停止,再分批處理。
  • 原檔有開啟密碼時,輸出的檔案沒有密碼。需要的話,用密碼工具再加上。

要在幾卷裡一起找關鍵字、直接跳到那一頁,用全文搜尋,不必先轉成可搜尋 PDF。要把文字取出來另存,用PDF 轉 Markdown。簡短的步驟在使用說明。

常見問題

可搜尋 PDF 要多久?

畫面上的預估以每頁約 4 秒計算,實際時間依電腦而不同。處理中可以按「停止」,已完成的檔案會留下。

處理後頁面會變嗎?

不會。原頁的內容原樣保留,只是多疊一層看不見的文字,所以可以搜尋、反白、複製。原本的 PDF 也不會被改動。

為什麼處理過還是搜尋不到某個字?

多半是那個字被辨識錯了。寫進文字層的是辨識結果,讀錯的字搜尋不到。直書、很小的字、手寫與印章也認不全。

← 所有教學