OCR - gör en PDF sökbar

Nej. Den skannade bilden förblir byte för byte som den var; det som läggs till är ett osynligt textlager ovanpå, samma konstruktion som skanningsprogram använder för en sökbar PDF. Sökning, markering och kopiering fungerar; utskriften är oförändrad.

Det är Tesseract 5:s neurala motor, samma som ligger bakom det mesta av öppen källkods-OCR, som körs som WebAssembly i din webbläsare. En ren skanning i 300 dpi av tryckt text blir nästan felfri; en sned, blek eller fotograferad sida mindre så - räta först upp den med verktyget Räta upp PDF. Ord som motorn var osäker på placeras ändå, så att en sökning fortfarande hittar dem, och verktyget säger hur många det var.

Ungerska, engelska, tyska, franska, italienska, spanska, polska, rumänska, slovakiska, tjeckiska, kroatiska, slovenska, serbiska (latinsk och kyrillisk skrift), ukrainska, ryska, bulgariska, grekiska, turkiska, danska, svenska, norska, finska, nederländska, portugisiska, indonesiska, vietnamesiska, litauiska, lettiska, estniska, malajiska, latin, arabiska, persiska, hebreiska, kinesiska (förenklad och traditionell), japanska, koreanska och tysk fraktur för frakturtryck från förkrigstiden, i valfri kombination - ett tvåspråkigt avtal kan läsas med två. Varje språk är en separat nedladdning som webbläsaren sedan behåller.

Ingenting laddas upp: filen öppnas och bearbetas i din webbläsare och lämnar aldrig din enhet. Stäng fliken så är den borta. OCR-motorn och dess språkfiler kommer också från den här webbplatsen, så inte ens valet av språk skickas någonstans.

Som standard bara de som ännu inte har något textlager, eftersom en digitalt skapad sida redan har ett och ett andra skulle ge dubbla sökträffar. Om en tidigare OCR gjorde ett dåligt jobb, växla till varje sida - det nya lagret läggs under det gamla.

Längre än allt annat här - igenkänning är riktigt arbete, och varje sida tar en stund även på en snabb dator, så en lång skanning är värd att starta och låta gå. Första körningen hämtar också igenkänningsmotorn och språkdata (några megabyte, från den här webbplatsen och inte från ett CDN); därefter har din webbläsare dem i cacheminnet, och knappen visar hur långt den har kommit, sida för sida.

Ja. Släpp in en .docx-, .xlsx- eller .pptx-fil eller en bild (JPG, PNG, WebP...) så görs den om till en PDF i din webbläsare när den kommer in - en bild på en A4-sida - och hanteras sedan som vilken PDF som helst; ingenting laddas upp. Konverteringen är vår egen, så resultatet kan skilja sig något från Offices egen PDF-export: ett typsnitt kan bytas ut och diagram utelämnas. Fillistan visar en varning när något inte kunde föras över.