OCR e Documentos Digitalizados: PDFs Pesquisáveis e Camadas de Texto
Reconhecimento Óptico de Caracteres, extração de texto e capacidade de pesquisa em documentos digitalizados.
Os seus ficheiros são processados inteiramente no seu navegador web utilizando HTML5 Canvas e WebAssembly. Nenhum dado sai nunca do seu dispositivo.
Esqueça as filas de carregamento e transferência. As conversões acontecem localmente à velocidade máxima do hardware da máquina, sem limites de servidor.
Em conformidade com as especificações oficiais ISO, W3C e IETF para garantir a compatibilidade dos resultados em sistemas operativos modernos.
Comparação de Formatos e Especificações Técnicas
| Formato de Saída | Tipo MIME | Especificação | Tipo |
|---|---|---|---|
| PDF Digitalizado | application/pdf | ISO-32000-2 | PDF digitalizado em formato bitmap |
| IMG Imagem Digitalizada | image/jpeg | W3C-PNG | Imagem de documento digitalizado |
| TXT Texto Simples | text/plain | RFC-4180-CSV | Texto simples sem formatação |
| DOCX Documento Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Documento OpenXML do Microsoft Word |
| HOCR HTML | text/html | HOCR-SPEC-12 | Marcação espacial hOCR |
| PNG Imagem | image/png | W3C-PNG | Gráficos Portáteis de Rede |
| JPG Imagem JPEG | image/jpeg | W3C-PNG | Imagem do Joint Photographic Experts Group |
| PDF Documento | application/pdf | ISO-32000-2 | Formato de Documento Portátil |
Especificações Técnicas e Análise de Codecs
Como Funcionam os PDFs Pesquisáveis
Um documento digitalizado é apenas uma imagem de papel. Um motor de OCR reconhece as formas das letras e insere uma camada de texto invisível e selecionável logo acima da imagem. Quando você seleciona ou pesquisa texto no PDF, você está selecionando essa camada de texto invisível.
O Ponto Ideal de 300 DPI para Digitalização
Digitalizar documentos a 150 DPI causa letras quebradas e baixa precisão no OCR. Digitalizar a 600 DPI quadruplica o tamanho do arquivo sem melhorar o reconhecimento de texto. 300 DPI é o ponto ideal universal para alta precisão de OCR e tamanhos de arquivo compactos.
0 bytes enviados para servidores externos. Todo o processamento ocorreu localmente no sandbox do seu navegador.