OCR i zeskanowane dokumenty: Przeszukiwalne pliki PDF i warstwy tekstowe
Optyczne rozpoznawanie znaków (OCR), ekstrakcja tekstu oraz przeszukiwalność zeskanowanych dokumentów.
Pliki są przetwarzane lokalnie w twojej przeglądarce za pomocą WebAssembly i interfejsów HTML5 API. Nigdy nie opuszczają twojego urządzenia, dzięki czemu nie ma przesyłania na serwery ani przechowywania plików przez osoby trzecie.
Rozpocznij konwersję natychmiast na własnym urządzeniu - bez oczekiwania na przesyłanie, bez kolejek pobierania i bez spowalniania przez zdalny serwer.
Korzystaj ze wszystkich dostępnych narzędzi bez zakładania konta, płacenia za plan ani napotykania sztucznych limitów rozmiaru pliku. Konwertuj tak często, na ile pozwalają twoja przeglądarka i urządzenie.
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 | Plik zawierający zwykły tekst bez informacji o formatowaniu. |
| 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 | Bezstratny format obrazu rastrowego obsługujący przezroczystość. |
| 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 zaznaczasz lub wyszukujesz tekst w pliku PDF, wybierasz właśnie tę niewidoczną warstwę tekstową.
Dobór rozdzielczości skanowania do OCR
Zalecana rozdzielczość zależy od materiału i celu. Amerykańskie Archiwum Narodowe zaleca co najmniej 300 pikseli na cal dla współczesnych drukowanych dokumentów tekstowych; drobne szczegóły lub inne cele mogą wymagać większej wartości. Przetestuj reprezentatywne strony i wyważ czytelność, wyniki OCR oraz rozmiar pliku.
0 bajtów przesłanych na zewnętrzne serwery. Całe przetwarzanie odbyło się lokalnie w piaskownicy przeglądarki.