OCR PDF

Apri il file in un qualsiasi visualizzatore e prova a selezionare una riga di testo. Se non si evidenzia nulla o la ricerca non trova corrispondenze, le pagine sono solo immagini (una scansione o una foto) e l'OCR è ciò che aggiunge il testo mancante. Un PDF che ha già testo selezionabile non ha bisogno di questo strumento.

Sono elencati oltre 100 pacchetti linguistici Tesseract, dall'inglese e spagnolo all'arabo, hindi, giapponese e cinese. Spunta ogni lingua che compare nel documento; i pacchetti vengono caricati insieme così le pagine con più lingue vengono riconosciute in un solo passaggio. Alcune installazioni in self-hosting includono un elenco più breve e lo indicano sopra il selettore della lingua.

No. Le pagine originali vengono copiate invariate e un livello di testo invisibile viene disegnato sopra, posizionato parola per parola in corrispondenza della scansione. Vedi la stessa immagine di prima, ma ora puoi cercare, selezionare e copiare il testo.

Alta (288 DPI) è l'impostazione predefinita e gestisce i tipici documenti d'ufficio. Passa a Standard (192 DPI) quando conta la velocità o il file è lungo, e usa Ultra (384 DPI) per caratteri piccoli, note a piè di pagina o scansioni scadenti. Le impostazioni più alte richiedono molto più tempo perché ogni pagina viene resa a quella dimensione prima del riconoscimento.

Limita l'output a un insieme fisso di caratteri, il che riduce errori come una l minuscola letta come 1. Il preset Fattura consente solo cifre e i simboli $ . , / - # :, Solo numeri è adatto a numeri di serie o letture di contatori, e Personalizzato ti permette di scrivere un tuo insieme.

Non in modo affidabile. Tesseract è addestrato sul testo stampato, quindi lo stampatello ordinato a volte funziona ma il corsivo produce per lo più rumore. I risultati sono migliori su pagine stampate pulite e ben illuminate; l'opzione Binarizza aiuta con scansioni sbiadite o a basso contrasto, e Raddrizza PDF raddrizza prima quelle inclinate.

Sì. Quando l'OCR termina, il testo estratto appare in una casella dove puoi rivederlo, copiarlo negli appunti o scaricarlo come ocr-text.txt. Il download del PDF ricercabile è separato, quindi puoi prendere l'uno, l'altro o entrambi.

No. Tesseract gira come WebAssembly all'interno del tuo browser; gli unici download sono il motore OCR e i pacchetti linguistici che hai selezionato, scaricati la prima volta che servono. Le pagine scansionate e il testo riconosciuto restano sul tuo dispositivo.