OCR & Σαρωμένα Έγγραφα: PDFs με δυνατότητα αναζήτησης & Επίπεδα κειμένου
Αναγνώριση Οπτικών Χαρακτήρων (OCR), εξαγωγή κειμένου και δυνατότητα αναζήτησης σε σαρωμένα έγγραφα.
Τα αρχεία σας επεξεργάζονται εξ ολοκλήρου στο πρόγραμμα περιήγησής σας χρησιμοποιώντας HTML5 Canvas και WebAssembly. Κανένα δεδομένο δεν φεύγει ποτέ από τη συσκευή σας.
Παρακάμψτε τις ουρές μεταφόρτωσης και λήψης. Οι μετατροπές γίνονται τοπικά με την πλήρη ταχύτητα υλικού του υπολογιστή σας, χωρίς περιορισμούς διακομιστή.
Συμμορφώνεται με τις επίσημες προδιαγραφές ISO, W3C και IETF για να εγγυάται τη συμβατότητα εξόδου σε σύγχρονα λειτουργικά συστήματα.
Σύγκριση Μορφών & Τεχνικές Προδιαγραφές
| Μορφή Εξόδου | Τύπος MIME | Προδιαγραφή | Τύπος |
|---|---|---|---|
| PDF Σαρωμένο | application/pdf | ISO-32000-2 | Σαρωμένο PDF βασισμένο σε bitmap |
| IMG Σαρωμένη εικόνα | image/jpeg | W3C-PNG | Εικόνα σαρωμένου εγγράφου |
| TXT Απλό κείμενο | text/plain | RFC-4180-CSV | Απλό κείμενο χωρίς μορφοποίηση |
| DOCX Έγγραφο Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Έγγραφο Microsoft Word OpenXML |
| HOCR HTML | text/html | HOCR-SPEC-12 | Χωρική σήμανση hOCR |
| PNG Εικόνα | image/png | W3C-PNG | Portable Network Graphics |
| JPG Εικόνα JPEG | image/jpeg | W3C-PNG | Joint Photographic Experts Group |
| PDF Έγγραφο | application/pdf | ISO-32000-2 | Portable Document Format |
Τεχνικές Προδιαγραφές & Ανάλυση Codec
Πώς λειτουργούν τα PDFs με δυνατότητα αναζήτησης
Ένα σαρωμένο έγγραφο είναι απλώς μια εικόνα χαρτιού. Μια μηχανή OCR αναγνωρίζει τα σχήματα των γραμμάτων και εισάγει ένα αόρατο, επιλέξιμο επίπεδο κειμένου ακριβώς πάνω από την εικόνα. Όταν επισημαίνετε ή αναζητάτε κείμενο στο PDF, επιλέγετε αυτό το αόρατο επίπεδο κειμένου.
Το ιδανικό σημείο των 300 DPI για σάρωση
Η σάρωση εγγράφων στα 150 DPI προκαλεί σπασμένα γράμματα και χαμηλή ακρίβεια OCR. Η σάρωση στα 600 DPI τετραπλασιάζει το μέγεθος του αρχείου χωρίς να βελτιώνει την αναγνώριση κειμένου. Τα 300 DPI είναι το καθολικό ιδανικό σημείο για υψηλή ακρίβεια OCR και συμπαγή μεγέθη αρχείων.
0 byte μεταφορτώθηκαν σε εξωτερικούς διακομιστές. Όλη η επεξεργασία πραγματοποιήθηκε τοπικά στο sandbox του προγράμματος περιήγησής σας.