OCR и сканированные документы: сжатые PDF и текстовые слои
Оптическое распознавание символов, извлечение текста и организация поиска по сканированным документам.
Ваши файлы обрабатываются полностью в вашем веб-браузере с использованием HTML5 Canvas и WebAssembly. Никакие данные никогда не покидают ваше устройство.
Никаких очередей загрузки и скачивания. Конвертация происходит локально на максимальной скорости вашего оборудования без серверных ограничений.
Соответствие официальным спецификациям ISO, W3C и IETF для обеспечения совместимости результатов в различных современных операционных системах.
Сравнение форматов и технические характеристики
| Выходной формат | MIME-тип | Характеристика | Тип |
|---|---|---|---|
| PDF Отсканированный | application/pdf | ISO-32000-2 | Растровый отсканированный PDF-документ |
| IMG Отсканированное изображение | image/jpeg | W3C-PNG | Изображение отсканированного документа |
| TXT Простой текст | text/plain | RFC-4180-CSV | Неформатированный текстовый документ |
| DOCX Документ Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Документ Microsoft Word OpenXML |
| HOCR HTML | text/html | HOCR-SPEC-12 | Пространственная разметка hOCR |
| PNG Изображение | image/png | W3C-PNG | Растровый формат графики с поддержкой сжатия без потерь |
| JPG Изображение JPEG | image/jpeg | W3C-PNG | Формат хранения растровых изображений с потерями |
| PDF Документ | application/pdf | ISO-32000-2 | Портативный формат документов |
Технические спецификации и разбор кодеков
Как работают сжатые PDF-файлы
Сканированный документ - это всего лишь растровое изображение бумаги. Модель OCR распознает формы букв и внедряет невидимый, доступный для выделения текстовый слой прямо поверх изображения. Когда вы выделяете или ищете текст в PDF-файле, вы взаимодействуете именно с этим невидимым текстовым слоем.
Оптимальное разрешение 300 DPI для сканирования
Сканирование документов с разрешением 150 DPI приводит к искажению букв и низкой точности распознавания OCR. Сканирование при 600 DPI увеличивает размер файла в четыре раза, не улучшая при этом качество распознавания текста. Разрешение 300 DPI является универсальным стандартом для достижения высокой точности OCR и компактного размера файлов.
0 байт загружено на внешние серверы. Вся обработка выполняется локально в песочнице вашего браузера.