Tài liệu OCR & Đã quét: PDF có thể tìm kiếm & Lớp văn bản
Nhận dạng ký tự quang học (OCR), trích xuất văn bản và khả năng tìm kiếm trong tài liệu đã quét.
Tệp của bạn được xử lý hoàn toàn trong trình duyệt web bằng HTML5 Canvas và WebAssembly. Tuyệt đối không có dữ liệu nào rời khỏi thiết bị của bạn.
Bỏ qua hàng đợi tải lên và tải xuống. Quá trình chuyển đổi diễn ra cục bộ ở tốc độ phần cứng máy tính tối đa mà không bị giới hạn bởi máy chủ.
Tuân thủ các thông số kỹ thuật chính thức của ISO, W3C và IETF để đảm bảo khả năng tương thích của tệp đầu ra trên các hệ điều hành hiện đại.
So sánh định dạng & Thông số kỹ thuật
| Định dạng đầu ra | Kiểu MIME | Thông số kỹ thuật | Loại |
|---|---|---|---|
| PDF quét | application/pdf | ISO-32000-2 | Tập tin PDF quét dạng bitmap |
| IMG Ảnh quét | image/jpeg | W3C-PNG | Ảnh tài liệu quét |
| TXT Văn bản thuần túy | text/plain | RFC-4180-CSV | Văn bản thuần túy không định dạng |
| DOCX Tài liệu Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document | ISO-IEC-29500 | Tài liệu Microsoft Word OpenXML |
| HOCR HTML | text/html | HOCR-SPEC-12 | Định dạng đánh dấu không gian hOCR |
| PNG Ảnh | image/png | W3C-PNG | Đồ họa mạng di động |
| JPG Ảnh JPEG | image/jpeg | W3C-PNG | Định dạng hình ảnh chuẩn Joint Photographic Experts Group |
| PDF Tài liệu | application/pdf | ISO-32000-2 | Định dạng tài liệu di động |
Thông số kỹ thuật & Phân tích codec
Cách hoạt động của tệp PDF có thể tìm kiếm
Một tài liệu đã quét chỉ đơn thuần là bức ảnh chụp trang giấy. Công cụ OCR nhận dạng hình dạng chữ cái và chèn một lớp văn bản trong suốt, có thể chọn được đè lên trên hình ảnh. Khi bạn bôi đen hoặc tìm kiếm văn bản trong PDF, thực chất bạn đang chọn lớp văn bản trong suốt đó.
Độ phân giải tối ưu 300 DPI khi quét
Quét tài liệu ở mức 150 DPI sẽ dẫn đến các chữ cái bị đứt nét và độ chính xác của OCR kém. Quét ở mức 600 DPI làm tăng kích thước tệp gấp bốn lần nhưng không cải thiện độ nhận dạng văn bản. 300 DPI là mức tối ưu phổ biến giúp đạt độ chính xác OCR cao và kích thước tệp gọn nhẹ.
0 byte được tải lên máy chủ bên ngoài. Toàn bộ quá trình xử lý diễn ra cục bộ trong hộp cát trình duyệt của bạn.