Wyszukiwanie pełnotekstowe w dokumentach

Rozpoznawanie tekstu w skanach i zdjęciach dokumentów, automatyczna indeksacja i wyszukiwanie w treści — znajdziesz dokument po tym, co w nim jest napisane, a nie po nazwie pliku.

Zeskanowane archiwum bez warstwy tekstowej to pudło z obrazkami: wiesz, że dokument tam jest, ale znajdziesz go tylko wtedy, gdy pamiętasz, gdzie go odłożyłeś. Wyszukiwanie pełnotekstowe usuwa to ograniczenie dla wszystkich dokumentów zawierających tekst. Pliki PDF cyfrowe i pliki z warstwą tekstową są indeksowane przy wgrywaniu: tekst zostaje wyodrębniony i zaindeksowany, a od tej chwili dokument można znaleźć po każdym słowie, które zawiera — nazwisku, numerze NIP, kwocie, nazwie maszyny. Skany bez warstwy tekstowej nie są w tym języku rozpoznawane automatycznie; dla nich kluczowe metadane wpisuje się ręcznie. W połączeniu z filtrami metadanych pytania w rodzaju „gdzie jest WZ z wiosny 2022 dla oddziału w Poznaniu?” mają odpowiedź w kilka sekund, a nie po całym popołudniu.

Automatyczne rozpoznawanie tekstu w skanowanych PDF, obrazach i zdjęciach dokumentów.
Obsługa języka polskiego z ogonkami — wyszukiwanie znajdzie „żółw” nawet po wpisaniu „zolw”.
Indeksacja treści przy wgraniu, bez ręcznych kroków i bez czekania.
Wyszukiwanie łączone: słowa z treści plus filtry metadanych (rodzaj, data, dział, wystawca, klasa).
Podświetlenie wyniku bezpośrednio na stronie dokumentu, by widzieć, dlaczego został znaleziony.
Propozycja daty dokumentu na podstawie rozpoznanego tekstu; pozostałe metadane zatwierdzasz lub uzupełniasz sam.
Ponowne przetwarzanie starszych dokumentów na żądanie, gdy jest lepszy skan.
Wyszukiwanie ograniczone do tego, co masz prawo widzieć — wyniki respektują uprawnienia.

Jak w skrócie działa rozpoznawanie tekstu

Po wgraniu skanu lub zdjęcia platforma zachowuje oryginalny plik bez zmian. Tekst można przeszukiwać dopiero wtedy, gdy istnieje jako tekst: PDF cyfrowy już go zawiera, a skan najpierw potrzebuje warstwy tekstowej z osobnego kroku rozpoznawania. Gdy tekst jest w dokumencie, platforma zapisuje go jako warstwę wyszukiwania obok oryginalnego pliku. W dokumentach natywnie cyfrowych — PDF wygenerowanym, a nie zeskanowanym — tekst wyciąga się bezpośrednio, bez strat.

Wyszukiwanie w treści plus filtry metadanych

Wyszukiwanie pełnotekstowe jest mocne, ale samo zwraca za dużo. Dlatego łączy się je z metadanymi: klasą, zakresem dat, działem, wystawcą, numerem w dzienniku. Szukasz „kocioł” w fakturach zakupowych z 2023 roku działu utrzymania ruchu i dostajesz dokładnie to. Polskie znaki są normalizowane, więc pominięty ogonek nie zostawi Cię bez wyników.

Metadane uzupełniane z rozpoznanego tekstu

Z rozpoznanego tekstu platforma proponuje datę dokumentu; numer, wystawcę i kwotę uzupełniasz przy rejestracji. Najważniejsze, że cały tekst trafia do indeksu: nawet gdy jakieś pole jest puste, dokument znajdziesz po dowolnym słowie z jego treści. A spójne metadane to one potem sprawiają, że filtry i okresy przechowywania działają.

Czego wyszukiwanie nie zrobi i jak uniknąć niespodzianek

Na drukowanych dokumentach zeskanowanych prosto w 300 dpi rozpoznawanie jest wiarygodne. Spada przy skanach 150 dpi, krzywych zdjęciach, wyblakłym papierze termicznym i pieczątkach na tekście. Pisma odręcznego nie rozpoznajemy wiarygodnie. Dokumenty z niskim wynikiem rozpoznania są oznaczane automatycznie, a zindeksowany tekst możesz poprawić bez zmiany oryginału.

Podstawy prawne

Ustawa z dnia 29 września 1994 r. o rachunkowości — dokumentacja przechowywana w postaci elektronicznej musi pozostać czytelna i dostępna przez cały okres przechowywania
Rozporządzenie (UE) 2016/679 (RODO) — rozpoznany tekst może zawierać dane osobowe; dostęp do wyników podlega tym samym uprawnieniom co dostęp do dokumentu
Rozporządzenie (UE) 2016/679 (RODO), art. 32 — bezpieczeństwo przetwarzania: wyszukiwarka nie może ujawniać dokumentów osobom bez dostępu

Najczęstsze pytania

Jakie pliki można przeszukiwać po treści?

Pliki PDF cyfrowe i pliki z warstwą tekstową, w całości. Skany bez warstwy tekstowej nie są przeszukiwane po treści: dla nich wpisz ręcznie kilka kluczowych metadanych, tak aby wyszukiwanie nie zależało od rozpoznawania tekstu. W natywnie cyfrowych PDF tekst jest wyciągany bezpośrednio.

Czy działa na polskich dokumentach, z ogonkami?

Tak. Rozpoznawanie obsługuje polskie znaki, a wyszukiwanie je normalizuje, więc „zolw” i „żółw” znajdą ten sam dokument.

Czy rozpoznawane jest pismo odręczne?

Nie w sposób wiarygodny i nie twierdzimy inaczej. Dla dokumentów pisanych ręcznie polecamy uzupełnienie metadanych, by można je było znaleźć przez filtry.

Ile trwa przetworzenie dokumentu?

Zwykle kilka sekund na stronę. Duże partie są przetwarzane w tle, a dokumenty stają się wyszukiwalne w miarę postępu.

Czy mogę przeszukiwać skany wgrane przed dodaniem warstwy tekstowej?

Tak. Istniejące dokumenty można przetworzyć ponownie, hurtowo lub według klas, by trafiły do indeksu wyszukiwania.

Czy wyszukiwanie pokaże mi dokumenty, do których nie mam dostępu?

Nie. Wyniki są filtrowane według Twoich uprawnień: dokument, którego nie możesz zobaczyć, nie pojawia się i nic o nim nie sygnalizujemy.

Powiązane artykuły

Archiwizacja elektroniczna →Struktura, na której działa wyszukiwanie.Bezpieczne udostępnianie →Uprawnienia, które ograniczają także wyniki wyszukiwania.Jak działa wyszukiwanie w zeskanowanych dokumentach? →Dokładność, ograniczenia i dobre praktyki skanowania.Co oznacza archiwum z mocą dowodową? →Integralność, znacznik czasu, metadane i dziennik dostępu.Plany i ceny →Skontaktuj się z zespołem →

Spraw, by zeskanowane archiwum dało się przeszukiwać

Włączamy rozpoznawanie tekstu dla nowych dokumentów i przetwarzamy istniejące archiwum, by każdy dokument dało się znaleźć po treści.

Zobacz cennik Skontaktuj się z konsultantem