OCR och skannade dokument: Sökbara PDF-filer och textlager
Optisk teckenigenkänning (OCR), textextraktion och sökbarhet för skannade dokument.
Filer bearbetas lokalt i din webbläsare med WebAssembly och HTML5-API:er. De lämnar aldrig din enhet, vilket innebär att inga serveruppladdningar eller filagringar hos tredje part förekommer.
Börja konvertera omedelbart på din egen enhet - ingen väntan på uppladdning, ingen nedladdningskö och ingen strypt hastighet från en fjärrserver.
Använd alla tillgängliga verktyg utan att skapa ett konto, betala för en prenumeration eller stöta på godtyckliga filstorleksgränser. Konvertera så ofta som din webbläsare och enhet klarar av.
Formatjämförelse och tekniska specifikationer
| Utdataformat | MIME-typ | Specifikation | Typ |
|---|---|---|---|
| PDF Skannad | application/pdf | ISO-32000-2 | Rasterbaserad skannad PDF |
| IMG Skannad bild | image/jpeg | W3C-PNG | Skannad dokumentbild |
| TXT Texttranskript | text/plain | RFC-4180-CSV | Oformaterad textfil |
| DOCX Word-dokument | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Microsoft Word OpenXML-dokument |
| HOCR HTML | text/html | HOCR-SPEC-12 | hOCR-spatialt märkspråk |
| PNG bild | image/png | W3C-PNG | Rasterbild med stöd för genomskinlighet |
| JPG JPEG-bild | image/jpeg | W3C-PNG | Komprimerat fotoformat |
| PDF dokument | application/pdf | ISO-32000-2 | Portable Document Format för dokumentvisning |
Tekniska specifikationer och kodeköversikt
Så fungerar sökbara PDF-filer
Ett skannat dokument är bara en bild av papper. En OCR-motor känner igen bokstavsformer och lägger till ett osynligt textlager direkt ovanpå bilden som går att markera. När du markerar eller söker efter text i PDF-filen väljer du det osynliga textlagret.
Välja skanningsupplösning för OCR
Rekommenderad upplösning beror på material och syfte. USA:s nationalarkiv rekommenderar minst 300 pixlar per tum för moderna tryckta textdokument; fina detaljer eller andra insamlingsmål kan kräva högre värden. Testa representativa sidor och balansera läsbarhet, OCR-resultat och filstorlek.
0 byte laddades upp till externa servrar. All bearbetning skedde lokalt i webbläsarens sandlåda.