OCR - gjør en PDF søkbar

Nei. Det skannede bildet forblir byte for byte som det var; det som legges til, er et usynlig tekstlag over det, samme konstruksjon som skannerprogramvare bruker for en søkbar PDF. Søk, merking og kopiering fungerer; utskriften er uendret.

Det er den nevrale motoren i Tesseract 5, den samme som står bak det meste av OCR med åpen kildekode, og den kjører som WebAssembly i nettleseren din. En ren skanning av trykt tekst i 300 dpi blir nesten feilfri; en skjev, svak eller fotografert side mindre - rett den opp først med Rett opp PDF. Ord motoren var usikker på, plasseres likevel, så et søk finner dem fortsatt, og verktøyet sier hvor mange det var.

Ungarsk, engelsk, tysk, fransk, italiensk, spansk, polsk, rumensk, slovakisk, tsjekkisk, kroatisk, slovensk, serbisk (latinsk og kyrillisk), ukrainsk, russisk, bulgarsk, gresk, tyrkisk, dansk, svensk, norsk, finsk, nederlandsk, portugisisk, indonesisk, vietnamesisk, litauisk, latvisk, estisk, malayisk, latin, arabisk, persisk, hebraisk, kinesisk (forenklet og tradisjonell), japansk, koreansk og tysk fraktur for frakturtrykk fra før krigen, i hvilken som helst kombinasjon - en tospråklig kontrakt kan leses med to. Hvert språk er en egen nedlasting som nettleseren deretter tar vare på.

Ingenting lastes opp: filen åpnes og behandles i nettleseren din og forlater aldri enheten din. Lukk fanen, så er den borte. OCR-motoren og språkfilene kommer også fra dette nettstedet, så ikke engang språkvalget sendes noe sted.

Som standard bare de som ennå ikke har et tekstlag, fordi en digitalt skapt side allerede har ett, og et til ville doblet hvert søketreff. Hvis en tidligere OCR gjorde en dårlig jobb, bytter du til alle sider - det nye laget legges under det gamle.

Lengre enn noe annet her - gjenkjenning er ordentlig arbeid, og hver side tar et øyeblikk selv på en rask maskin, så en lang skanning er verdt å starte og la gå. Første gang hentes også gjenkjenningsmotoren og språkdataene (noen megabyte, fra dette nettstedet og ikke fra et CDN); deretter har nettleseren dem lagret, og knappen viser hvor langt den har kommet, side for side.

Ja. Slipp inn en .docx-, .xlsx- eller .pptx-fil eller et bilde (JPG, PNG, WebP...), så gjøres den om til PDF i nettleseren din idet den kommer inn - et bilde på en A4-side - og behandles deretter som enhver annen PDF; ingenting lastes opp. Konverteringen er vår egen, så resultatet kan avvike litt fra Offices egen PDF-eksport: en skrift kan bli erstattet, og diagrammer utelates. Fillisten viser en advarsel når noe ikke kunne tas med.