OCR и сканированные документы: PDF с возможностью поиска и текстовые слои
Оптическое распознавание символов, извлечение текста и организация поиска по сканированным документам.
Файлы обрабатываются локально в Вашем браузере с помощью WebAssembly и HTML5 API. Они никогда не покидают Ваше устройство, что исключает загрузку на серверы или хранение сторонними сервисами.
Начинайте конвертацию мгновенно на собственном устройстве - без ожидания загрузки, очередей на скачивание и замедления со стороны удаленного сервера.
Пользуйтесь всеми доступными инструментами без создания учетной записи, оплаты тарифа и искусственных ограничений на размер файлов. Конвертируйте файлы так часто, как позволяют Ваш браузер и устройство.
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 PDF с возможностью поиска
Сканированный документ: это всего лишь растровое изображение бумаги. Программа OCR распознает очертания букв и добавляет поверх изображения невидимый текстовый слой, который можно выделять. Когда Вы выделяете или ищете текст в PDF-файле, Вы работаете именно с этим невидимым текстовым слоем.
Выбор разрешения сканирования для OCR
Рекомендуемое разрешение зависит от материала и цели. Национальный архив США рекомендует не менее 300 пикселей на дюйм для современных печатных текстовых документов; мелкие детали или другие цели оцифровки могут требовать большего значения. Проверьте типичные страницы и сбалансируйте читаемость, качество OCR и размер файла.
0 байт загружено на внешние серверы. Вся обработка выполнялась локально в песочнице Вашего браузера.