Na to treba fuzzy riesenie a nastavit si treshold napr na 95% apod. Nasledne rucne skontrolovat najdene veci.
Neni normalne sa do takej situacie vobec dostat, mne osobne sa zastavuje rozum ked nejaky pridrbany manager namiesto aby napisal text do emailu da do emailu pdf v ktorom bol text.
Neviem o hotovych rieseniach (ani som ich nikdy nehladal), ja by som si to asi naprogramoval ak by sa mi podarilo zohnat nastroje na dekodovanie obsahu (tusim na to boli kedysi pred 20 rokmi ghostview ci ghostscript). Ale je to hodne komplikovane.