Alatan

OCR - jadikan PDF boleh dicari

Imbasan ialah gambar: tiada apa-apa untuk dicari, dipilih atau disalin. OCR membaca perkataan daripadanya dan meletakkan lapisan teks yang tidak kelihatan di atas halaman, perkataan demi perkataan di tempat setiap satu dicetak, jadi carian menyerlahkan tempat yang betul dan pilihan mengikut baris. Pengecaman berjalan dalam pelayar anda dengan Tesseract, dalam empat puluh bahasa, dan imej imbasan dibiarkan tepat seperti asalnya.

Panduan langkah demi langkah dengan tangkapan skrin (bahasa Inggeris)

Letakkan PDF, imej atau fail Office di sini

Seret terus dari desktop anda

atau
  • PDF, JPG, PNG, WebP, Word, Excel, PowerPoint
  • Sehingga 15 MB setiap satu
  • 2 fail setiap larian - tanpa had dengan Pro

Soalan lazim

Adakah OCR mengubah rupa imbasan?

Tidak. Imej imbasan kekal bait demi bait seperti asalnya; apa yang ditambah ialah lapisan teks yang tidak kelihatan di atasnya, binaan yang sama digunakan oleh perisian pengimbas untuk PDF yang boleh dicari. Carian, pemilihan dan penyalinan berfungsi; cetakan tidak berubah.

Sejauh manakah ketepatan pengecaman?

Ia ialah enjin neural Tesseract 5, enjin yang sama di sebalik kebanyakan OCR sumber terbuka, berjalan sebagai WebAssembly dalam pelayar anda. Imbasan 300 dpi yang bersih bagi teks bercetak hampir sempurna huruf demi huruf; halaman yang senget, pudar atau difoto kurang begitu - luruskannya dahulu dengan Luruskan PDF. Perkataan yang enjin tidak pasti tetap diletakkan, jadi carian masih menemuinya, dan alat ini memberitahu berapa banyak perkataan sedemikian.

Bahasa apakah yang disokong, dan bolehkah saya memilih beberapa?

Hungary, Inggeris, Jerman, Perancis, Itali, Sepanyol, Poland, Romania, Slovakia, Czech, Croatia, Slovenia, Serbia (Latin dan Cyril), Ukraine, Rusia, Bulgaria, Yunani, Turki, Denmark, Sweden, Norway, Finland, Belanda, Portugis, Indonesia, Vietnam, Lithuania, Latvia, Estonia, Melayu, Latin, Arab, Parsi, Ibrani, Cina (ringkas dan tradisional), Jepun, Korea dan Jerman Fraktur untuk cetakan huruf gotik sebelum perang, dalam sebarang gabungan - kontrak dwibahasa boleh dibaca dengan dua bahasa. Setiap bahasa ialah muat turun berasingan yang kemudiannya disimpan oleh pelayar.

Adakah PDF dimuat naik?

Tiada apa-apa dimuat naik: fail dibuka dan diproses di dalam pelayar anda dan tidak pernah meninggalkan peranti anda. Tutup tab itu dan fail tersebut hilang. Enjin OCR dan fail bahasanya juga datang dari laman ini, jadi pilihan bahasa pun tidak dihantar ke mana-mana.

Halaman manakah yang dibacanya?

Secara lalai hanya halaman yang belum mempunyai lapisan teks, kerana halaman digital asli sudah mempunyainya dan lapisan kedua akan menggandakan setiap hasil carian. Jika OCR sebelumnya kurang baik, tukar kepada setiap halaman - lapisan baharu diletakkan di bawah lapisan lama.

Berapa lamakah masa yang diambil?

Lebih lama daripada apa-apa lagi di sini - pengecaman ialah kerja sebenar, dan setiap halaman mengambil sedikit masa walaupun pada mesin yang pantas, jadi imbasan yang panjang wajar dimulakan dan dibiarkan berjalan. Larian pertama juga mengambil enjin pengecaman dan data bahasa (beberapa megabait, dari laman ini dan bukan dari CDN); selepas itu pelayar anda menyimpannya dalam cache, dan butang menunjukkan sejauh mana kemajuannya, halaman demi halaman.

Bolehkah saya menggunakan fail Word, Excel atau PowerPoint, atau foto, dan bukannya PDF?

Boleh. Letakkan fail .docx, .xlsx atau .pptx atau imej (JPG, PNG, WebP...) dan ia ditukar kepada PDF dalam pelayar anda sebaik sahaja tiba - imej diletakkan pada halaman A4 - kemudian dikendalikan seperti PDF lain; tiada apa-apa dimuat naik. Penukaran ini buatan kami sendiri, jadi hasilnya mungkin sedikit berbeza daripada eksport PDF Office sendiri: fon mungkin digantikan dan carta ditinggalkan. Senarai fail menunjukkan amaran apabila sesuatu tidak dapat dibawa bersama.

Ada yang kurang, atau hasilnya mengejutkan anda?

Alatan berkaitan