OCR en gescande documenten: doorzoekbare PDF's en tekstlagen
Optische tekenherkenning, tekstextractie en doorzoekbaarheid van gescande documenten.
Bestanden worden lokaal in uw browser verwerkt met WebAssembly en HTML5-API's. Ze verlaten uw apparaat nooit, dus er zijn geen serveruploads of bestandsopslag door derden.
Begin direct met converteren op uw eigen apparaat - geen uploadwachttijd, geen downloadwachtrij en geen snelheidsbeperking door een externe server.
Gebruik elke beschikbare tool zonder een account aan te maken, voor een abonnement te betalen of tegen een kunstmatige bestandsgroottelimiet aan te lopen. Converteer zo vaak als uw browser en apparaat aankan.
Formaatvergelijking en technische specificaties
| Uitvoerformaat | MIME-type | Specificatie | Type |
|---|---|---|---|
| PDF Gescande | application/pdf | ISO-32000-2 | Gescande PDF met bitmapafbeeldingen |
| IMG Gescande afbeelding | image/jpeg | W3C-PNG | Gescande documentafbeelding |
| TXT Transcriptie in platte tekst | text/plain | RFC-4180-CSV | Niet-opgemaakte ondertiteltranscriptie |
| DOCX Word-document | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Gestructureerd Word-document |
| HOCR HTML | text/html | HOCR-SPEC-12 | Ruimtelijke hOCR-opmaak |
| PNG afbeelding | image/png | W3C-PNG | Portable Network Graphics |
| JPG JPEG-afbeelding | image/jpeg | W3C-PNG | Joint Photographic Experts Group |
| PDF document | application/pdf | ISO-32000-2 | Portable Document Format |
Technische specificaties en codec-overzicht
Hoe doorzoekbare PDF's werken
Een gescand document is slechts een foto van papier. Een OCR-engine herkent lettervormen en voegt direct boven op de afbeelding een onzichtbare, selecteerbare tekstlaag toe. Wanneer u tekst in de PDF markeert of doorzoekt, selecteert u die onzichtbare tekstlaag.
Scanresolutie kiezen voor OCR
Resolutieaanbevelingen hangen af van het materiaal en het doel. De Amerikaanse National Archives raden ten minste 300 pixels per inch aan voor moderne papieren documenten met tekst, terwijl fijne details of andere opnamedoelen mogelijk hogere instellingen vereisen. Test representatieve pagina's en breng leesbaarheid, OCR-resultaten en bestandsgrootte met elkaar in balans.
0 bytes geüpload naar externe servers. Alle verwerking vond lokaal plaats in uw browser-sandbox.