OCR ir nuskaityti dokumentai: ieškomi PDF ir teksto sluoksniai
Optinis simbolių atpažinimas, teksto išgavimas ir nuskaitytų dokumentų paieška.
Jūsų failai apdorojami tik jūsų interneto naršyklėje naudojant HTML5 Canvas ir WebAssembly. Jokie duomenys niekada nepalieka jūsų įrenginio.
Praleiskite įkėlimo ir atsisiuntimo eiles. Konvertavimas vyksta lokaliai visu įrenginio aparatinės įrangos greičiu be jokių serverio apribojimų.
Atitinka oficialias ISO, W3C ir IETF specifikacijas, užtikrinančias išvesties suderinamumą šiuolaikinėse operacinėse sistemose.
Formatų palyginimas ir techninės specifikacijos
| Išvesties formatas | MIME tipas | Specifikacija | Tipas |
|---|---|---|---|
| PDF Nuskenuotas | application/pdf | ISO-32000-2 | Rastrinis nuskenuotas PDF dokumentas |
| IMG Nuskenuotas paveikslėlis | image/jpeg | W3C-PNG | Nuskenuoto dokumento vaizdas |
| TXT Grynasis tekstas | text/plain | RFC-4180-CSV | Neformatuotas grynas tekstas |
| DOCX Word dokumentas | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Microsoft Word OpenXML dokumentas |
| HOCR HTML | text/html | HOCR-SPEC-12 | hOCR erdvinio žymėjimo formatas |
| PNG paveikslėlis | image/png | W3C-PNG | Nešiojamoji tinklo grafika |
| JPG JPEG paveikslėlis | image/jpeg | W3C-PNG | Jungtinė fotografijos ekspertų grupė |
| PDF PDF | application/pdf | ISO-32000-2 | Nešiojamasis dokumentų formatas |
Techninės specifikacijos ir kodekų apžvalga
Kaip veikia ieškomi PDF
Nuskaitytas dokumentas tėra popieriaus nuotrauka. OCR variklis atpažįsta raidžių formas ir įterpia nematomą, pažymimą teksto sluoksnį tiesiai ant paveikslėlio. Kai PDF faile paryškinate arba ieškote teksto, jūs pasirenkate tą nematomą teksto sluoksnį.
Optimali 300 DPI raiška nuskaitymui
Nuskaitant dokumentus 150 DPI raiška, gaunamos sulaužytos raidės ir prastas OCR tikslumas. Nuskaitymas 600 DPI raiška padidina failo dydį keturis kartus, nepagerindamas teksto atpažinimo. 300 DPI yra universali optimali reikšmė dideliam OCR tikslumui ir kompaktiškiems failų dydžiams pasiekti.
0 baitų įkelta į išorinius serverius. Visas apdorojimas vyko vietoje, jūsų naršyklės smėlio dėžėje (sandbox).