OCR & Σαρωμένα Έγγραφα: PDFs με δυνατότητα αναζήτησης & Επίπεδα κειμένου
Αναγνώριση Οπτικών Χαρακτήρων (OCR), εξαγωγή κειμένου και δυνατότητα αναζήτησης σε σαρωμένα έγγραφα.
Τα αρχεία επεξεργάζονται τοπικά στον περιηγητή σας χρησιμοποιώντας WebAssembly και HTML5 APIs. Δεν φεύγουν ποτέ από τη συσκευή σας, επομένως δεν υπάρχουν μεταφορτώσεις σε διακομιστή ούτε αποθήκευση αρχείων από τρίτους.
Ξεκινήστε τη μετατροπή αμέσως στη δική σας συσκευή - χωρίς αναμονή μεταφόρτωσης, χωρίς ουρά λήψης και χωρίς περιορισμούς από απομακρυσμένο διακομιστή.
Χρησιμοποιήστε κάθε διαθέσιμο εργαλείο χωρίς να δημιουργήσετε λογαριασμό, να πληρώσετε συνδρομή ή να συναντήσετε τεχνητά όρια μεγέθους αρχείου. Μετατρέψτε όσο συχνά αντέχουν ο περιηγητής και η συσκευή σας.
Σύγκριση μορφών και 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 | Φορητή μορφή εγγράφου |
Τεχνικές προδιαγραφές και ανάλυση κωδικοποιητών
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.
Επιλογή ανάλυσης σάρωσης για OCR
Οι προτεινόμενες αναλύσεις εξαρτώνται από το υλικό και τον σκοπό. Τα Εθνικά Αρχεία των ΗΠΑ συνιστούν τουλάχιστον 300 pixel ανά ίντσα για σύγχρονα έντυπα κείμενα· οι λεπτές λεπτομέρειες ή άλλοι στόχοι λήψης μπορεί να απαιτούν υψηλότερες τιμές. Δοκιμάστε αντιπροσωπευτικές σελίδες και ισορροπήστε αναγνωσιμότητα, αποτελέσματα OCR και μέγεθος αρχείου.
Δεν μεταφορτώνεται κανένα byte σε εξωτερικούς διακομιστές. Όλη η επεξεργασία γίνεται τοπικά στο απομονωμένο περιβάλλον του προγράμματος περιήγησής σας.