OCR і скановані документи: PDF із текстовим шаром для пошуку
Оптичне розпізнавання символів, видобування тексту та пошук у сканованих документах.
Файли обробляються локально у вашому браузері за допомогою WebAssembly та HTML5 API. Вони ніколи не залишають ваш пристрій, тому немає завантажень на сервер чи стороннього зберігання файлів.
Починайте конвертацію негайно на своєму пристрої - без очікування передавання файлів, черг на завантаження чи обмежень віддаленого сервера.
Використовуйте будь-який доступний інструмент без створення облікового запису, оплати тарифу чи штучних обмежень на розмір файлу. Конвертуйте стільки, скільки дозволяють ваш браузер і пристрій.
Порівняння форматів та технічні характеристики
| Формат виводу | MIME-тип | Специфікація | Тип |
|---|---|---|---|
| PDF Сканований | application/pdf | ISO-32000-2 | Растровий сканований PDF-документ |
| IMG Скановане зображення | image/jpeg | W3C-PNG | Зображення сканованого документа |
| TXT Текстовий транскрипт | text/plain | RFC-4180-CSV | Неформатований текстовий транскрипт субтитрів |
| DOCX Документ Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Структурований документ Word |
| HOCR HTML | text/html | HOCR-SPEC-12 | Просторова розмітка hOCR |
| PNG Зображення | image/png | W3C-PNG | Переносна мережева графіка |
| JPG Зображення JPEG | image/jpeg | W3C-PNG | Об’єднана група експертів у галузі фотографії |
| PDF Документ | application/pdf | ISO-32000-2 | Портативний формат документів |
Технічні специфікації та розбір кодеків
Як працюють PDF із можливістю пошуку
Сканований документ: це просто зображення паперу. Система OCR розпізнає форми літер і накладає поверх зображення невидимий текстовий шар, у якому можна виділяти текст. Коли ви виділяєте текст у PDF або шукаєте в ньому, ви працюєте саме з цим невидимим текстовим шаром.
Вибір роздільності сканування для OCR
Рекомендована роздільність залежить від матеріалу й мети. Національний архів США радить щонайменше 300 пікселів на дюйм для сучасних друкованих текстових документів; дрібні деталі чи інші цілі знімання можуть потребувати більшого значення. Перевірте типові сторінки та збалансуйте читабельність, результати OCR і розмір файлу.
Жодного байта не передано на зовнішні сервери. Уся обробка відбувалася локально в ізольованому середовищі браузера.