OCR és beolvasott dokumentumok: Kereshető PDF-ek és szövegrétegek
Optikai karakterfelismerés, szövegkinyerés és beolvasott dokumentumok kereshetősége.
A fájlokat a webböngésződben, az HTML5 Canvas és a WebAssembly segítségével dolgozzuk fel. Egyetlen bájt sem hagyja el az eszközödet.
Kerüld el a feltöltési és letöltési sorokat. Az átalakítások helyben, a teljes hardveres sebességgel futnak, szerverkorlátok nélkül.
Megfelel a hivatalos ISO, W3C és IETF specifikációknak a modern operációs rendszerek közötti kimeneti kompatibilitás biztosítása érdekében.
Formátum-összehasonlítás és műszaki specifikációk
| Kimeneti formátum | MIME-típus | Specifikáció | Típus |
|---|---|---|---|
| PDF Beolvasott | application/pdf | ISO-32000-2 | Bittérképes beolvasott PDF |
| IMG Beolvasott kép | image/jpeg | W3C-PNG | Beolvasott dokumentumkép |
| TXT Egyszerű szöveg | text/plain | RFC-4180-CSV | Formázatlan egyszerű szöveg |
| DOCX Word-dokumentum | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Microsoft Word OpenXML dokumentum |
| HOCR HTML | text/html | HOCR-SPEC-12 | hOCR térbeli jelölőnyelv |
| PNG kép | image/png | W3C-PNG | Hordozható hálózati grafika |
| JPG JPEG kép | image/jpeg | W3C-PNG | Fényképészeti szakértők egyesülete által készített formátum |
| PDF PDF | application/pdf | ISO-32000-2 | Hordozható dokumentumformátum |
Műszaki specifikációk és kodek áttekintés
Hogyan működnek a kereshető PDF-ek
A beolvasott dokumentum tulajdonképpen egy papírról készült kép. Egy OCR-motor felismeri a betűformákat, és egy láthatatlan, kijelölhető szövegréteget illeszt közvetlenül a kép tetejére. Amikor szöveget emel ki vagy keres a PDF-ben, ezt a láthatatlan szövegréteget jelöli ki.
Az ideális 300 DPI-s felbontás a beolvasáshoz
A dokumentumok 150 DPI-s beolvasása törött betűket és rossz OCR-pontosságot eredményez. A 600 DPI-s beolvasás négyszeresére növeli a fájlméretet anélkül, hogy javítaná a szövegfelismerést. A 300 DPI az univerzális aranyszabály a nagy OCR-pontosság és a kompakt fájlméretek eléréséhez.
0 bájt lett feltöltve külső szerverekre. Minden feldolgozás helyben, az Ön böngészőjének homokozójában történt.