Εργαλεία

OCR - PDF με δυνατότητα αναζήτησης

Μια σάρωση είναι εικόνα: τίποτα για αναζήτηση, επιλογή ή αντιγραφή. Το OCR διαβάζει τις λέξεις της και απλώνει ένα αόρατο επίπεδο κειμένου πάνω από τη σελίδα, λέξη προς λέξη εκεί που τυπώθηκε η καθεμία, ώστε η αναζήτηση να επισημαίνει το σωστό σημείο και η επιλογή να ακολουθεί τη γραμμή. Η αναγνώριση εκτελείται μέσα στο πρόγραμμα περιήγησής σας με το Tesseract, σε σαράντα γλώσσες, και η σαρωμένη εικόνα μένει ακριβώς όπως ήταν.

Οδηγός βήμα προς βήμα με στιγμιότυπα οθόνης (στα αγγλικά)

Σύρετε εδώ PDF, εικόνες ή αρχεία Office

Σύρετέ τα κατευθείαν από την επιφάνεια εργασίας σας

ή
  • PDF, JPG, PNG, WebP, Word, Excel, PowerPoint
  • Έως 15 MB το καθένα
  • 2 αρχεία ανά εκτέλεση - απεριόριστα με Pro

Συχνές ερωτήσεις

Αλλάζει το OCR την εμφάνιση της σάρωσης;

Όχι. Η σαρωμένη εικόνα μένει byte προς byte όπως ήταν· αυτό που προστίθεται είναι ένα αόρατο επίπεδο κειμένου πάνω της, η ίδια κατασκευή που χρησιμοποιεί το λογισμικό των σαρωτών για ένα PDF με δυνατότητα αναζήτησης. Αναζήτηση, επιλογή και αντιγραφή λειτουργούν· η εκτύπωση δεν αλλάζει.

Πόσο καλή είναι η αναγνώριση;

Είναι η νευρωνική μηχανή του Tesseract 5, η ίδια που βρίσκεται πίσω από τα περισσότερα OCR ανοιχτού κώδικα, και εκτελείται ως WebAssembly στο πρόγραμμα περιήγησής σας. Μια καθαρή σάρωση τυπωμένου κειμένου στα 300 dpi βγαίνει σχεδόν χωρίς λάθος· μια στραβή, αχνή ή φωτογραφημένη σελίδα λιγότερο - ισιώστε την πρώτα με τη Διόρθωση κλίσης PDF. Οι λέξεις για τις οποίες η μηχανή δεν ήταν σίγουρη τοποθετούνται κι αυτές, ώστε η αναζήτηση να τις βρίσκει, και το εργαλείο λέει πόσες ήταν.

Ποιες γλώσσες, και μπορώ να επιλέξω πολλές;

Ουγγρικά, Αγγλικά, Γερμανικά, Γαλλικά, Ιταλικά, Ισπανικά, Πολωνικά, Ρουμανικά, Σλοβακικά, Τσεχικά, Κροατικά, Σλοβενικά, Σερβικά (λατινικά και κυριλλικά), Ουκρανικά, Ρωσικά, Βουλγαρικά, Ελληνικά, Τουρκικά, Δανικά, Σουηδικά, Νορβηγικά, Φινλανδικά, Ολλανδικά, Πορτογαλικά, Ινδονησιακά, Βιετναμικά, Λιθουανικά, Λετονικά, Εσθονικά, Μαλαϊκά, Λατινικά, Αραβικά, Περσικά, Εβραϊκά, Κινεζικά (απλοποιημένα και παραδοσιακά), Ιαπωνικά, Κορεατικά και γερμανική Fraktur για προπολεμικές εκτυπώσεις σε γοτθική γραφή, σε οποιονδήποτε συνδυασμό - ένα δίγλωσσο συμβόλαιο διαβάζεται με δύο. Κάθε γλώσσα είναι ξεχωριστή λήψη, την οποία το πρόγραμμα περιήγησης κρατά στη συνέχεια.

Μεταφορτώνεται το PDF;

Δεν μεταφορτώνεται τίποτα: το αρχείο ανοίγει και επεξεργάζεται μέσα στο πρόγραμμα περιήγησής σας και δεν φεύγει ποτέ από τη συσκευή σας. Κλείστε την καρτέλα και δεν υπάρχει πια. Η μηχανή OCR και τα αρχεία γλωσσών έρχονται κι αυτά από αυτόν τον ιστότοπο, οπότε ούτε η επιλογή γλώσσας δεν στέλνεται πουθενά.

Ποιες σελίδες διαβάζει;

Από προεπιλογή μόνο όσες δεν έχουν ακόμη επίπεδο κειμένου, γιατί μια ψηφιακή σελίδα έχει ήδη ένα και ένα δεύτερο θα διπλασίαζε κάθε αποτέλεσμα αναζήτησης. Αν ένα παλαιότερο OCR έκανε κακή δουλειά, επιλέξτε όλες τις σελίδες - το νέο επίπεδο μπαίνει κάτω από το παλιό.

Πόσο χρόνο παίρνει;

Περισσότερο από οτιδήποτε άλλο εδώ - η αναγνώριση είναι πραγματική δουλειά, και κάθε σελίδα θέλει λίγο χρόνο ακόμη και σε γρήγορο υπολογιστή, οπότε μια μεγάλη σάρωση αξίζει να την ξεκινήσετε και να την αφήσετε να τρέξει. Η πρώτη εκτέλεση φέρνει επίσης τη μηχανή αναγνώρισης και τα δεδομένα γλώσσας (μερικά megabyte, από αυτόν τον ιστότοπο και όχι από CDN)· μετά το πρόγραμμα περιήγησης τα έχει στην κρυφή μνήμη, και το κουμπί δείχνει την πρόοδο σελίδα προς σελίδα.

Μπορώ να χρησιμοποιήσω αρχείο Word, Excel ή PowerPoint, ή μια φωτογραφία, αντί για PDF;

Ναι. Σύρετε ένα αρχείο .docx, .xlsx ή .pptx ή μια εικόνα (JPG, PNG, WebP...) και μετατρέπεται σε PDF στο πρόγραμμα περιήγησής σας μόλις φτάσει - μια εικόνα σε σελίδα A4 - και έπειτα αντιμετωπίζεται όπως κάθε άλλο PDF· δεν μεταφορτώνεται τίποτα. Η μετατροπή είναι δική μας, οπότε το αποτέλεσμα μπορεί να διαφέρει λίγο από την εξαγωγή PDF του ίδιου του Office: μια γραμματοσειρά μπορεί να αντικατασταθεί και τα γραφήματα παραλείπονται. Η λίστα αρχείων δείχνει προειδοποίηση όταν κάτι δεν μπόρεσε να μεταφερθεί.

Σας λείπει κάτι ή σας ξάφνιασε το αποτέλεσμα;

Σχετικά εργαλεία