OCR és beolvasott dokumentumok: Kereshető PDF-ek és szövegrétegek
Optikai karakterfelismerés, szövegkinyerés és beolvasott dokumentumok kereshetősége.
A fájlokat helyben, a böngészőben dolgozzuk fel WebAssembly és HTML5 API-k segítségével. Az eszközén maradnak, nem kerülnek fel szerverre, és harmadik fél sem tárolja őket.
Kezdje el az átalakítást azonnal az eszközén, feltöltésre való várakozás, letöltési sor és távoli szerver általi sebességkorlátozás nélkül.
Használjon minden elérhető eszközt fiók létrehozása, fizetős csomag megvásárlása vagy mesterséges fájlméret-korlát nélkül. Konvertáljon olyan gyakran, ahányszor a böngészője és az eszköze bírja.
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 Kinyert szöveg | text/plain | RFC-4180-CSV | Kinyert szöveges kimenet |
| DOCX Word-dokumentum | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Strukturált Word-dokumentum |
| HOCR HTML | text/html | HOCR-SPEC-12 | hOCR térbeli jelölőnyelv |
| PNG dokumentum | image/png | W3C-PNG | Nagy felbontású, szkennelt PNG-kép |
| JPG dokumentum | image/jpeg | W3C-PNG | Szkennelt dokumentum JPEG-formátumban |
| PDF dokumentum | application/pdf | ISO-32000-2 | Hordozható dokumentumformátum |
Műszaki specifikációk és kodekáttekintés
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 jelöl ki vagy keres a PDF-ben, ezt a láthatatlan szövegréteget jelöli ki.
Szkennelési felbontás kiválasztása OCR-hez
Az ajánlott felbontás az anyagtól és a céltól függ. Az amerikai Nemzeti Levéltár modern, nyomtatott szöveges dokumentumokhoz legalább 300 képpont/hüvelyk értéket javasol; a finom részletek vagy más rögzítési célok nagyobb értéket igényelhetnek. Teszteljen jellemző oldalakat, és mérlegelje az olvashatóságot, az OCR eredményét és a fájlméretet.
0 bájt került fel külső szerverekre. Minden feldolgozás helyben, a böngésző elkülönített környezetében történt.