OCR и сканирани документи: Търсещи се PDF файлове и текстови слоеве
Оптично разпознаване на символи (OCR), извличане на текст и възможност за търсене в сканирани документи.
Вашите файлове се обработват изцяло във вашия уеб браузър с помощта на HTML5 Canvas и WebAssembly. Никакви данни никога не напускат вашето устройство.
Пропуснете опашките за качване и изтегляне. Конвертиранията се извършват локално с пълната скорост на хардуера на машината ви, без ограничения от сървъра.
Съвместимост с официалните спецификации на ISO, W3C и IETF, за да се гарантира съвместимост на изхода в съвременните операционни системи.
Сравнение на формати и технически спецификации
| Изходен формат | MIME тип | Спецификация | Тип |
|---|---|---|---|
| PDF Сканиран | application/pdf | ISO-32000-2 | Растерен сканиран PDF файл |
| IMG Сканирано изображение | image/jpeg | W3C-PNG | Изображение на сканиран документ |
| TXT Текстов файл | text/plain | RFC-4180-CSV | Неформатиран обикновен текст |
| DOCX Word документ | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Microsoft Word OpenXML документ |
| HOCR HTML | text/html | HOCR-SPEC-12 | hOCR пространствено форматиране |
| PNG изображение | image/png | W3C-PNG | Преносима мрежова графика без загуба на качество |
| JPG JPEG изображение | image/jpeg | W3C-PNG | Растерно изображение с компресия |
| PDF документ | application/pdf | ISO-32000-2 | Преносим документ за съхранение на форматирана информация |
Технически спецификации и анализ на кодеците
Как работят търсещите се PDF файлове
Сканираният документ представлява просто изображение на хартия. OCR двигател разпознава формите на буквите и вмъква невидим, избираем текстов слой точно върху изображението. Когато маркирате или търсите текст в PDF файла, вие всъщност избирате този невидим текстов слой.
Златната среда от 300 DPI за сканиране
Сканирането на документи при 150 DPI води до накъсани букви и ниска точност на OCR. Сканирането при 600 DPI четирикратно увеличава размера на файла, без да подобрява разпознаването на текст. 300 DPI е универсалната златна среда за висока точност на OCR и компактни размери на файловете.
0 байта са качени на външни сървъри. Цялата обработка се извършва локално в пясъчниците на вашия браузър.