OCR et documents numérisés : PDF interrogeables et couches de texte
Reconnaissance optique de caractères (OCR), extraction de texte et recherche dans les documents numérisés.
Les fichiers sont traités localement dans votre navigateur grâce à WebAssembly et aux API HTML5. Ils ne quittent jamais votre appareil : ils ne sont donc ni envoyés vers un serveur ni stockés par des tiers.
Commencez la conversion immédiatement sur votre propre appareil : pas d'attente de téléchargement, pas de file d'attente et aucune limitation par un serveur distant.
Utilisez tous les outils disponibles sans créer de compte, sans payer d'abonnement et sans limite artificielle de taille de fichier. Convertissez aussi souvent que votre navigateur et votre appareil le permettent.
Comparaison des formats et spécifications techniques
| Format de sortie | Type MIME | Spécification | Type |
|---|---|---|---|
| PDF numérisé | application/pdf | ISO-32000-2 | PDF numérisé de type bitmap |
| IMG Image numérisée | image/jpeg | W3C-PNG | Image de document numérisé |
| TXT Transcription en texte brut | text/plain | RFC-4180-CSV | Transcription de sous-titres sans mise en forme |
| DOCX Document Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Document Word structuré |
| HOCR HTML | text/html | HOCR-SPEC-12 | Balisage spatial hOCR |
| PNG Image | image/png | W3C-PNG | Graphiques réseau portables |
| JPG Image JPEG | image/jpeg | W3C-PNG | Groupe d’experts en photographie (JPEG) |
| PDF Document | application/pdf | ISO-32000-2 | Format de document portable |
Spécifications techniques et analyse des codecs
Fonctionnement des PDF interrogeables
Un document numérisé n’est qu’une image de papier. Un moteur OCR reconnaît les lettres et ajoute à l’image une couche de texte invisible que l’on peut sélectionner. Lorsque vous surlignez ou recherchez du texte dans le PDF, vous interagissez avec cette couche.
Choisir la résolution de numérisation pour l’OCR
La résolution recommandée dépend du document et de l’objectif. Les Archives nationales américaines recommandent au moins 300 pixels par pouce pour les documents textuels imprimés modernes ; les détails fins ou d’autres objectifs de capture peuvent nécessiter davantage. Testez des pages représentatives et équilibrez lisibilité, résultats OCR et taille du fichier.
0 octet envoyé vers des serveurs externes. Tout le traitement a eu lieu localement dans le bac à sable de votre navigateur.