Naskenované PDF do upravitelného Wordu: kompletní návod (OCR + rozvržení)

Když „nejde PDF upravovat“, často je to proto, že stránky jsou jen obrázky (sken/foto) bez skutečné textové vrstvy. Pro upravitelný Word obvykle stačí: vyčistit stránky → zapnout OCR podle potřeby → export do Wordu a kontrola důležitých údajů.

Vyberte správný cíl: „upravitelné“ nebo „vyhledatelné“?

Doporučený postup

Krok 0 (volitelné): Oprava při chybách

Opravit PDF

Opravu zvažte, pokud vidíte:

• „Soubor je poškozený / nelze jej přečíst“
• opakované selhání nahrání nebo převodu
• neúplné vykreslení stránek nebo chybějící písma

Krok 1: Otočení a pořadí stránek

Uspořádat stránky

Udělejte tři věci:

• otočte špatně natočené stránky (OCR je citlivé na „text na bok“)
• smažte prázdné/reklamní stránky (čistší výstup, nižší náklady)
• seřaďte pořadí (časté u skenovaných smluv a materiálů)

Krok 2: Oříznutí okrajů a pozadí

Oříznout PDF

Oříznutí často výrazně zlepší:

• přesnost OCR
• stabilitu rozvržení ve Wordu
• rychlost zpracování

Krok 3 (volitelné): Zvýšit kontrast pro textové skeny

Černobílé / odstíny šedi

Pokud je ve skenu šum (šedé pozadí, textura papíru, stíny), převod do černobílé/šedé může:

• zvýšit kontrast písmen
• snížit „bordel“ v OCR výsledku

Krok 4: Převod do Wordu (s OCR podle potřeby)

PDF na Word

Prakticky:

• pokud jde text označit a hledat, obvykle OCR není třeba
• pokud je to sken/foto, OCR zapněte a zvolte správný jazyk (nebo jazyky)

Časté chyby a spolehlivé náhradní postupy

1) Příliš mnoho chyb v textu: nejdřív kvalita a jazyk

Typické příznaky:

• vynechaná písmena, překlepy
• záměna podobných znaků (0/O, 1/I apod.)
• „divné“ symboly uprostřed slov

Co obvykle pomůže:

• lepší zdroj (bez odlesků, ostřejší, vyšší DPI)
• Oříznout okraje a pozadí
• správně nastavit jazyk OCR

2) Sloupce/tabulky/poznámky pod čarou rozbijí rozvržení: rozdělte cíl

Pokud jde hlavně o tabulky (výpisy, přehledy), často je lepší:

PDF na Excel

Když potřebujete jen text (překlad/hledání), bývá stabilnější:

PDF na text

3) „Vypadá ostře, ale nejde hledat“: vektorové vrstvy

Některé PDF vypadají jako běžný text, ale jsou složené z vektorů nebo vrstev. V takovém případě OCR dává smysl i přesto, že „to vypadá jako text“.

4) Omezení práv: nejdřív odemknout (jen s oprávněním)

Pokud je PDF omezené (kopírování/úpravy), zkuste:

Odemknout PDF

Praktická kombinace: upravit ve Wordu, odevzdat jako PDF

Často Word není finální formát. Typický postup:

1. Úpravy: PDF na Word → (úpravy ve Wordu) → Word na PDF
2. Odevzdání (podle potřeby):

• vodoznak: Přidat vodoznak
• ochrana (heslo/omezení): Zabezpečit PDF
• velikost: Komprimovat PDF (většinou až nakonec)

FAQ

Proč je po OCR pořád tolik chyb?

Nejčastěji:

1. špatně zvolený jazyk OCR
2. slabá kvalita zdroje (rozmazání, odlesky, stíny)
3. bez přípravy (nejdřív Oříznout, případně ČB/šedá)

Ve Wordu se mi rozpadly tabulky. Co dělat?

Pro tabulky je obvykle lepší:

PDF na Excel

Je normální, že rozvržení ve Wordu vypadá jinak?

Ano. Sken → Word je rozpoznání a přetečení textu, takže složité rozvržení se nereprodukuje dokonale. Zaměřte se na editovatelnost, pak doladit ručně.

Rychlý checklist po převodu

• částky / data / identifikátory / čísla smluv (nejrizikovější)
• posunuté sloupce v tabulkách (pokud je to tabulkové, jděte do Excelu)
• chybějící záhlaví/zápatí/číslování stránek (doplnit ručně)
• chybějící řádky/odstavce (hlavně u fotografií)

Související nástroje

---