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 sunt procesate local în browserul tău cu WebAssembly și API-uri HTML5. Ele nu părăsesc niciodată dispozitivul tău, așa că nu există încărcări pe server sau stocare de fișiere de la terți.
Începe să convertești imediat pe dispozitivul tău, fără timp de așteptare la încărcare, coadă de descărcare sau limitări de viteză impuse de un server la distanță.
Folosește toate instrumentele disponibile fără să-ți creezi un cont, să plătești un abonament sau să te lovești de o limită artificială a dimensiunii fișierului. Convertește ori de câte ori permit browserul și dispozitivul.
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 extras | text/plain | RFC-4180-CSV | Text extras |
| DOCX Document Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Document Word structurat |
| HOCR HTML | text/html | HOCR-SPEC-12 | Marcaj spațial hOCR |
| PNG Imagine | image/png | W3C-PNG | PNG de înaltă rezoluție pentru documente scanate |
| JPG JPEG pentru documente | image/jpeg | W3C-PNG | Imagine JPEG a unui document scanat |
| PDF Document | application/pdf | ISO-32000-2 | Format de document portabil |
Specificații tehnice și detalii despre codecuri
Cum funcționează PDF-urile căutabile
Un document scanat este doar o imagine a unei pagini. Un motor OCR recunoaște formele literelor și adaugă un strat de text invizibil, selectabil, peste imagine. Când selectezi sau cauți textul dintr-un PDF, accesezi acel strat invizibil.
Alegerea rezoluției de scanare pentru OCR
Rezoluția recomandată depinde de material și scop. Arhivele Naționale ale SUA recomandă cel puțin 300 de pixeli pe inch pentru documente text tipărite moderne; detaliile fine sau alte obiective de captură pot necesita mai mult. Testați pagini reprezentative și echilibrați lizibilitatea, rezultatele OCR și dimensiunea fișierului.
0 octeți încărcați pe servere externe. Toată procesarea a avut loc local în sandbox-ul browserului tău.