OCR i zeskanowane dokumenty: Przeszukiwalne pliki PDF i warstwy tekstowe
Optyczne rozpoznawanie znaków (OCR), ekstrakcja tekstu oraz przeszukiwalność zeskanowanych dokumentów.
Twoje pliki są przetwarzane w całości w Twojej przeglądarce internetowej przy użyciu HTML5 Canvas oraz WebAssembly. Żadne dane nigdy nie opuszczają Twojego urządzenia.
Pomiń kolejki przesyłania i pobierania. Konwersje odbywają się lokalnie z pełną prędkością sprzętową komputera bez limitów serwera.
Zgodność z oficjalnymi specyfikacjami ISO, W3C i IETF gwarantuje kompatybilność wyników w nowoczesnych systemach operacyjnych.
Porównanie formatów i specyfikacja techniczna
| Format wyjściowy | Typ MIME | Specyfikacja | Typ |
|---|---|---|---|
| PDF Skanowany | application/pdf | ISO-32000-2 | Skanowany plik PDF w formacie rastrowym |
| IMG Skanowany obraz | image/jpeg | W3C-PNG | Obraz skanowanego dokumentu |
| TXT Zwykły tekst | text/plain | RFC-4180-CSV | Niesformatowany plik tekstowy |
| DOCX Dokument Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Dokument Microsoft Word OpenXML |
| HOCR HTML | text/html | HOCR-SPEC-12 | Znaczniki przestrzenne hOCR |
| PNG Obraz | image/png | W3C-PNG | Grafika rastrowa o wysokiej jakości z obsługą przezroczystości |
| JPG Obraz JPEG | image/jpeg | W3C-PNG | Skompresowany format obrazu fotograficznego |
| PDF Dokument | application/pdf | ISO-32000-2 | Przenośny format dokumentu (Portable Document Format) |
Specyfikacja techniczna i analiza kodeków
Jak działają przeszukiwalne pliki PDF
Zeskanowany dokument to zwykłe zdjęcie papieru. Silnik OCR rozpoznaje kształty liter i umieszcza niewidoczną, zaznaczalną warstwę tekstową bezpośrednio nad obrazem. Kiedy podświetlacz lub wyszukujesz tekst w pliku PDF, wybierasz właśnie tę niewidoczną warstwę tekstową.
Optymalna rozdzielczość 300 DPI do skanowania
Skanowanie dokumentów w rozdzielczości 150 DPI powoduje powstawanie uszkodzonych liter i niską dokładność OCR. Skanowanie w 600 DPI czterokrotnie zwiększa rozmiar pliku bez poprawy rozpoznawania tekstu. 300 DPI to uniwersalny złoty środek zapewniający wysoką dokładność OCR i kompaktowe rozmiary plików.
0 bajtów przesłanych na zewnętrzne serwery. Całe przetwarzanie odbyło się lokalnie w piaskownicy przeglądarki.