OCR și documente scanate: PDF-uri căutabile și straturi de text
Recunoașterea optică a caracterelor, extracția textului și posibilitatea de căutare în documentele scanate.
Fișierele tale sunt procesate în întregime în browserul tău web folosind HTML5 Canvas și WebAssembly. Niciun fel de date nu părăsesc vreodată dispozitivul tău.
Sari peste cozile de încărcare și descărcare. Conversiile au loc local la viteza maximă a hardware-ului mașinii, fără limite de server.
Conform cu specificațiile oficiale ISO, W3C și IETF pentru a garanta compatibilitatea rezultatelor pe toate sistemele de operare moderne.
Compararea formatelor și specificații tehnice
| Format de ieșire | Tip MIME | Specificație | Tip |
|---|---|---|---|
| PDF scanat | application/pdf | ISO-32000-2 | PDF scanat de tip raster |
| IMG Imagine scanată | image/jpeg | W3C-PNG | Imagine de document scanată |
| TXT Text simplu | text/plain | RFC-4180-CSV | Text simplu neformatat |
| DOCX Document Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Document Microsoft Word OpenXML |
| HOCR HTML | text/html | HOCR-SPEC-12 | Marcaj spațial hOCR |
| PNG Imagine | image/png | W3C-PNG | Grafică portabilă pentru rețea |
| JPG Imagine JPEG | image/jpeg | W3C-PNG | Imagine raster comprimată Joint Photographic Experts Group |
| PDF Document | application/pdf | ISO-32000-2 | Format de document portabil |
Specificații tehnice și detaliere codec
Cum funcționează PDF-urile căutabile
Un document scanat este doar o imagine a hârtiei. Un motor OCR recunoaște formele literelor și inserează un strat de text invizibil, care poate fi selectat, direct deasupra imaginii. Când evidențiați sau căutați text în PDF, selectați acel strat de text invizibil.
Punctul optim de 300 DPI pentru scanare
Scanarea documentelor la 150 DPI provoacă litere întrerupte și o precizie slabă a OCR-ului. Scanarea la 600 DPI mărește de patru ori dimensiunea fișierului fără a îmbunătăți recunoașterea textului. 300 DPI este punctul optim universal pentru o precizie ridicată a OCR-ului și dimensiuni compacte ale fișierelor.
0 octeți încărcați pe servere externe. Toată procesarea a avut loc local în sandbox-ul browserului tău.