OCR и сканирани документи: PDF с възможност за търсене и текстови слоеве
Оптично разпознаване на символи (OCR), извличане на текст и възможност за търсене в сканирани документи.
Файловете се обработват локално във вашия браузър с WebAssembly и HTML5 API. Те никога не напускат устройството ви, така че няма качвания на сървър или съхранение на файлове от трети страни.
Започнете да конвертирате веднага на собственото си устройство - без чакане за качване, без опашка за изтегляне и без ограничаване на скоростта от отдалечен сървър.
Използвайте всеки наличен инструмент, без да създавате акаунт, да плащате план или да достигате изкуствен лимит за размера на файловете. Конвертирайте толкова често, колкото браузърът и устройството ви позволяват.
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 Извлечен текст | 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 | PNG изображение с висока резолюция, сканирано от документ |
| JPG JPEG изображение | image/jpeg | W3C-PNG | Сканиран документ в JPEG формат |
| PDF документ | application/pdf | ISO-32000-2 | Преносим документ за съхранение на форматирана информация |
Технически спецификации и анализ на кодеците
Как работят PDF файловете с възможност за търсене
Сканираният документ представлява просто изображение на хартия. OCR програма 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.
Избор на разделителна способност за OCR
Препоръчителната разделителна способност зависи от материала и целта. Насоките на Националния архив на САЩ препоръчват поне 300 пиксела на инч за съвременни хартиени текстови документи; фините детайли или друга цел на заснемане може да изискват повече. Тествайте представителни страници и балансирайте четливостта, OCR резултатите и размера на файла.
0 байта са качени на външни сървъри. Цялата обработка се извършва локално в пясъчниците на вашия браузър.