OCR ja skannatut asiakirjat: Haettavat PDF:t ja tekstikerrokset
Optinen merkkientunnistus (OCR), tekstin poiminta ja skannattujen asiakirjojen haettavuus.
Tiedostosi käsitellään kokonaan verkkoselaimessasi HTML5 Canvasin ja WebAssemblyn avulla. Yhtään dataa ei koskaan poistu laitteeltasi.
Ohita lataus- ja siirtojonot. Muunnokset tapahtuvat paikallisesti laitteiston täydellä teholla ilman palvelinrajoituksia.
Yhteensopiva virallisten ISO-, W3C- ja IETF-määritysten kanssa tuloksen yhteensopivuuden takaamiseksi eri käyttöjärjestelmissä.
Muotojen vertailu ja tekniset tiedot
| Tulostusmuoto | MIME-tyyppi | Määritys | Tyyppi |
|---|---|---|---|
| PDF Skannattu | application/pdf | ISO-32000-2 | Bittikartoitettu skannattu PDF |
| IMG Skannattu kuva | image/jpeg | W3C-PNG | Skannattu asiakirjakuva |
| TXT Tekstitiedosto | text/plain | RFC-4180-CSV | Muotoilematon perustekstitiedosto |
| DOCX Word-asiakirja | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Microsoft Word OpenXML -asiakirja |
| HOCR HTML | text/html | HOCR-SPEC-12 | hOCR-tilamerkintä |
| PNG kuva | image/png | W3C-PNG | Portable Network Graphics -rasterikuva |
| JPG JPEG-kuva | image/jpeg | W3C-PNG | Joint Photographic Experts Group -kuvatiedosto |
| PDF tiedosto | application/pdf | ISO-32000-2 | Portable Document Format -asiakirja |
Tekniset tiedot ja koodekkien erittely
Miten haettavat PDF-tiedostot toimivat
Skannattu asiakirja on vain kuva paperista. OCR-moottori tunnistaa kirjainten muodot ja lisää näkymättömän, valittavan tekstikerroksen suoraan kuvan päälle. Kun maalaat tai etsit tekstiä PDF-tiedostosta, valitset tuota näkymätöntä tekstikerrosta.
Optimaalinen 300 DPI:n tarkkuus skannauksessa
Asiakirjojen skannaus 150 DPI:n tarkkuudella aiheuttaa katkonaisia kirjaimia ja huonon OCR-tarkkuuden. Skannaus 600 DPI:n tarkkuudella nelinkertaistaa tiedostokoon parantamatta tekstintunnistusta. 300 DPI on yleisesti paras ratkaisu korkealle OCR-tarkkuudelle ja pienille tiedostokooille.
0 tavua ladattu ulkoisille palvelimille. Kaikki käsittely tapahtui paikallisesti selaimen hiekkalaatikossa.