OCR - padarīt PDF meklējamu

Nē. Skenētais attēls paliek baitu pa baitam tāds, kāds bija; tiek pievienots tikai neredzams teksta slānis virs tā - tāda pati uzbūve, kādu meklējamam PDF izmanto skenēšanas programmas. Meklēšana, atlase un kopēšana darbojas; izdruka nemainās.

Tas ir Tesseract 5 neironu tīkla dzinējs - tas pats, kas darbina lielāko daļu atvērtā koda OCR -, kas jūsu pārlūkā darbojas kā WebAssembly. Tīrs 300 dpi drukāta teksta skenējums tiek atpazīts gandrīz nevainojami; šķībai, blāvai vai nofotografētai lappusei rezultāts ir vājāks - vispirms iztaisnojiet to ar rīku Iztaisnot PDF. Vārdi, par kuriem dzinējs nebija drošs, arī tiek novietoti, lai meklēšana tos atrastu, un rīks norāda, cik to bija.

Ungāru, angļu, vācu, franču, itāļu, spāņu, poļu, rumāņu, slovāku, čehu, horvātu, slovēņu, serbu (latīņu un kirilica), ukraiņu, krievu, bulgāru, grieķu, turku, dāņu, zviedru, norvēģu, somu, nīderlandiešu, portugāļu, indonēziešu, vjetnamiešu, lietuviešu, latviešu, igauņu, malajiešu, latīņu, arābu, persiešu, ivrits, ķīniešu (vienkāršotā un tradicionālā), japāņu, korejiešu un vācu fraktūra pirmskara gotiskajam drukas burtam, jebkurā kombinācijā - divvalodu līgumu var nolasīt ar divām. Katra valoda ir atsevišķa ielāde, ko pārlūks pēc tam saglabā.

Nekas netiek augšupielādēts: fails tiek atvērts un apstrādāts jūsu pārlūkā un nekad neatstāj jūsu ierīci. Aizveriet cilni, un faila vairs nav. Arī OCR dzinējs un tā valodu faili tiek ielādēti no šīs vietnes, tāpēc pat valodas izvēle netiek nekur nosūtīta.

Pēc noklusējuma tikai tās, kurām vēl nav teksta slāņa, jo digitāli izveidotai lappusei tas jau ir, un otrs slānis dubultotu katru meklēšanas rezultātu. Ja agrāka OCR bija slikta, pārslēdziet uz visām lappusēm - jaunais slānis tiek novietots zem vecā.

Ilgāk nekā jebkas cits šeit - atpazīšana ir īsts darbs, un katra lappuse prasa brīdi pat ātrā datorā, tāpēc garu skenējumu ir vērts palaist un atstāt darboties. Pirmajā reizē tiek ielādēts arī atpazīšanas dzinējs un valodu dati (daži megabaiti, no šīs vietnes, nevis no CDN); pēc tam pārlūks tos glabā kešatmiņā, un poga rāda, cik tālu process ir tikis, lappusi pa lappusei.

Jā. Ievelciet .docx, .xlsx vai .pptx failu vai attēlu (JPG, PNG, WebP...), un tas uzreiz tiek pārvērsts par PDF jūsu pārlūkā - attēls uz A4 lappuses - un pēc tam apstrādāts kā jebkurš cits PDF; nekas netiek augšupielādēts. Pārvēršana ir mūsu pašu izstrādāta, tāpēc rezultāts var nedaudz atšķirties no paša Office PDF eksporta: fonts var tikt aizstāts, un diagrammas tiek izlaistas. Failu sarakstā parādās brīdinājums, ja kaut ko neizdevās pārnest.