OCR i skenirani dokumenti: Pretraživi PDF-ovi i tekstualni slojevi
Optičko prepoznavanje znakova, ekstrakcija teksta i pretraživost skeniranih dokumenata.
Vaše se datoteke obrađuju u potpunosti u vašem web pregledniku pomoću HTML5 Canvasa i WebAssemblyja. Nijedan podatak nikada ne napušta vaš uređaj.
Preskočite redove čekanja za prijenos i preuzimanje. Pretvorbe se odvijaju lokalno pri punoj brzini sklopovlja stroja bez ograničenja poslužitelja.
U skladu sa službenim ISO, W3C i IETF specifikacijama kako bi se zajamčila kompatibilnost izlaza na modernim operativnim sustavima.
Usporedba formata i tehničke specifikacije
| Izlazni format | MIME vrsta | Specifikacija | Vrsta |
|---|---|---|---|
| PDF Skenirani | application/pdf | ISO-32000-2 | Skenirani PDF u obliku bitovne slike |
| IMG Skenirana slika | image/jpeg | W3C-PNG | Slika skeniranog dokumenta |
| TXT Običan tekst | text/plain | RFC-4180-CSV | Neformatirani običan tekst |
| DOCX Word dokument | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Microsoft Word OpenXML dokument |
| HOCR HTML | text/html | HOCR-SPEC-12 | hOCR prostorni označni jezik |
| PNG slika | image/png | W3C-PNG | Portable Network Graphics grafika |
| JPG JPEG slika | image/jpeg | W3C-PNG | Joint Photographic Experts Group format |
| PDF PDF | application/pdf | ISO-32000-2 | Portable Document Format - Format prijenosnog dokumenta |
Tehničke specifikacije i pregled kodeka
Kako funkcioniraju pretraživi PDF-ovi
Skenirani dokument zapravo je samo slika papira. OCR mehanizam prepoznaje oblike slova i umeće nevidljiv, odabriv tekstualni sloj izravno preko slike. Kada označavate ili pretražujete tekst u PDF-u, zapravo odabirete taj nevidljivi tekstualni sloj.
Zlatna sredina od 300 DPI za skeniranje
Skeniranje dokumenata pri 150 DPI uzrokuje razbijena slova i slabu točnost OCR-a. Skeniranje pri 600 DPI četverostruko povećava veličinu datoteke bez poboljšanja prepoznavanja teksta. 300 DPI je univerzalna zlatna sredina za visoku točnost OCR-a i kompaktne veličine datoteka.
0 bajtova učitano na vanjske poslužitelje. Sva obrada odvijala se lokalno u sandčiću vašeg preglednika.