OCR e documentos digitalizados: PDFs pesquisáveis e camadas de texto
Reconhecimento óptico de caracteres, extração de texto e pesquisa em documentos digitalizados.
Os arquivos são processados localmente no navegador com WebAssembly e APIs HTML5. Eles não saem do seu dispositivo, portanto não há envio para servidores nem armazenamento de arquivos por terceiros.
Comece a converter imediatamente no seu dispositivo, sem espera pelo envio, fila de downloads ou limitação imposta por um servidor remoto.
Use todas as ferramentas disponíveis sem criar uma conta, pagar por um plano ou atingir um limite artificial de tamanho de arquivo. Converta quantas vezes o seu navegador e dispositivo permitirem.
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 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.
Escolher a resolução de digitalização para OCR
A resolução recomendada depende do material e do objetivo. Os Arquivos Nacionais dos EUA recomendam pelo menos 300 píxeis por polegada para documentos de texto impressos modernos; detalhes finos ou outros objetivos de captura podem exigir mais. Teste páginas representativas e equilibre legibilidade, resultados OCR e tamanho do ficheiro.
0 bytes enviados a servidores externos. Todo o processamento ocorreu localmente no ambiente isolado do navegador.