OCR - gør en PDF søgbar

Nej. Det scannede billede forbliver byte for byte, som det var; det, der tilføjes, er et usynligt tekstlag ovenpå - den samme opbygning, som scannersoftware bruger til en søgbar PDF. Søgning, markering og kopiering virker; udskriften er uændret.

Det er Tesseract 5's neurale motor, den samme som ligger bag det meste open source-OCR, og den kører som WebAssembly i din browser. En ren scanning i 300 dpi af trykt tekst bliver næsten fejlfri; en skæv, svag eller fotograferet side knap så meget - ret den først op med Ret PDF op. Ord, motoren var usikker på, placeres alligevel, så en søgning stadig finder dem, og værktøjet fortæller, hvor mange der var.

Ungarsk, engelsk, tysk, fransk, italiensk, spansk, polsk, rumænsk, slovakisk, tjekkisk, kroatisk, slovensk, serbisk (latinsk og kyrillisk), ukrainsk, russisk, bulgarsk, græsk, tyrkisk, dansk, svensk, norsk, finsk, nederlandsk, portugisisk, indonesisk, vietnamesisk, litauisk, lettisk, estisk, malajisk, latin, arabisk, persisk, hebraisk, kinesisk (forenklet og traditionelt), japansk, koreansk og tysk fraktur til gotisk tryk fra før krigen, i enhver kombination - en tosproget kontrakt kan læses med to. Hvert sprog er en separat download, som browseren derefter gemmer.

Intet bliver uploadet: filen åbnes og behandles i din browser og forlader aldrig din enhed. Luk fanen, så er den væk. OCR-motoren og dens sprogfiler kommer også fra dette websted, så ikke engang valget af sprog sendes nogen steder hen.

Som standard kun dem, der endnu ikke har et tekstlag, for en side, der er skabt digitalt, har allerede et, og et ekstra ville give dobbelte søgeresultater. Hvis en tidligere OCR gjorde det dårligt, så skift til alle sider - det nye lag lægges under det gamle.

Længere end noget andet her - genkendelse er rigtigt arbejde, og hver side tager et øjeblik selv på en hurtig maskine, så en lang scanning er værd at sætte i gang og lade køre. Første kørsel henter også genkendelsesmotoren og sprogdataene (et par megabyte, fra dette websted og ikke fra et CDN); derefter har din browser dem gemt, og knappen viser side for side, hvor langt den er nået.

Ja. Slip en .docx-, .xlsx- eller .pptx-fil eller et billede (JPG, PNG, WebP...) herind, så laves den om til en PDF i din browser, i det øjeblik den ankommer - et billede på en A4-side - og behandles derefter som enhver anden PDF; intet bliver uploadet. Konverteringen er vores egen, så resultatet kan afvige lidt fra Offices egen PDF-eksport: en skrifttype kan blive erstattet, og diagrammer udelades. Fillisten viser en advarsel, når noget ikke kunne komme med.