Как сканировать в PDF

PDF — контейнер. Внутри него лежат изображения страниц, и всё, что определяет вес и полезность файла, определяется тем, какие это изображения и есть ли рядом с ними текст.

Три уровня качества PDF #

Картинки без текста. Отсканировали, сложили в PDF, готово. Файл открывается, страницы листаются, ничего не найти и не скопировать. Годится как временный вариант.

Картинки плюс невидимый текстовый слой. То же самое, но поверх изображения лежит распознанный текст, невидимый глазу. Файл выглядит как скан, но по нему работает поиск, из него копируется текст, его индексируют поисковые системы и системы документооборота. Стандарт де-факто для оцифрованных документов.

Только текст. Изображения выброшены, остался распознанный текст с форматированием. Легчайший вариант и самый рискованный: любая ошибка распознавания становится необратимой, а внешний вид оригинала потерян. Для документов, где важен вид подписи и печати, недопустим.

Рабочий выбор в подавляющем большинстве случаев — второй.

Настройки сканирования под PDF #

Режим «чёрно-белый» (1 бит) кажется соблазнительным — он даёт крошечные файлы. На практике он рвёт тонкие штрихи букв и ухудшает распознавание. Оттенки серого с JPEG-сжатием дают файл ненамного тяжелее и заметно лучше по качеству.

Сборка многостраничного файла #

Из драйвера сканера. Большинство фирменных драйверов умеет режим «в PDF»: пачка листов из автоподатчика или последовательные ручные сканы складываются в один файл. Простейший путь, если аппарат это поддерживает.

Из папки с изображениями. NAPS2 — бесплатная программа, которая берёт сканы или готовые файлы, складывает их в PDF, распознаёт текст и сохраняет. Умеет профили настроек, что удобно на потоке.

Командной строкой. img2pdf собирает PDF из изображений без перекодирования (то есть без потери качества), OCRmyPDF добавляет текстовый слой к готовому файлу. Оба удобны для пакетной обработки сотен документов.

Текстовый слой #

Распознавание добавляет к изображению невидимый слой символов, позиционированных поверх соответствующих участков картинки.

Что важно проверить после распознавания:

• язык — русский текст, распознанный с английской моделью, превращается в бессмыслицу;
• качество на цифрах — числа распознаются хуже букв, а ошибка в сумме договора обходится дорого;
• колонки и таблицы — сложная вёрстка часто ломает порядок чтения;
• рукописный текст — распознаётся плохо, и для него текстовый слой обычно не имеет смысла.

Про инструменты и их сравнение — OCR в 2026.

Уменьшение веса #

Порядок действий от самого эффективного:

1. Снизить разрешение. 600 → 300 dpi уменьшает вес вчетверо. Для текста это почти всегда допустимо.
2. Перевести в оттенки серого. Втрое меньше данных. Допустимо, если нет цветных печатей и пометок.
3. Применить JPEG-сжатие к изображениям внутри. Сжатие среднего качества на тексте почти не заметно.
4. Убрать дубликаты шрифтов и метаданные. Даёт немного, но бесплатно.

Отдельный случай — файл, который нужно уложить в лимит загрузки на портале или в банке: там вес важнее архивной полноты, а порядок действий и проверки другие (подробно). Как сжать уже готовый файл и чем сильное сжатие опасно для цифр — в разборе уменьшения PDF.

Чего делать не стоит: агрессивно сжимать архивную копию. Файл, ужатый до нечитаемости, экономит мегабайты и уничтожает смысл всей работы.

Когда нужен PDF/A #

Обычный PDF может ссылаться на внешние шрифты, содержать скрипты и зависеть от версии просмотрщика. Через десять лет такой файл может открыться иначе, чем сегодня.

PDF/A — подмножество формата, где это запрещено: шрифты встроены, внешние зависимости исключены, поведение определено. Именно этот вариант требуют архивы и системы долговременного хранения.

Разбор требований и способов конвертации — PDF/A для архива. Требования к сканам в электронном документообороте — здесь.

Проверить PDF как документ, а не набор миниатюр #

Откройте сохранённый PDF отдельным приложением. Проверьте число страниц, порядок, ориентацию и границы. Для ручного двустороннего сканирования особенно важна последовательность: чётные страницы могут оказаться в обратном порядке после переворота пачки. Проба на небольшом документе позволяет разобраться до сканирования всего архива.

OCR добавляет поисковый текст, но не заменяет изображение. Найдите слово из середины листа и скопируйте строку с номером или суммой. Ошибки в цифрах проверяйте по оригиналу. Подробная аналитика поискового слоя рассматривает отдельную задачу, поэтому основной маршрут сканирования остаётся на этой странице.

Для загрузки сначала уточните лимит, затем используйте бюджет страницы PDF и инструкцию по уменьшению размера. Компактную копию сохраняйте отдельно. Не отправляйте документ сразу после успешного сообщения программы: итоговая проверка защищает от пропусков, перевёрнутых страниц и нечитаемых мелких знаков.