Zabezpečte, aby bolo PDF prehľadávateľné a text bolo možné kopírovať.
Ako to funguje:
Kliknite pre výber súboru alebo ho potiahnite a pusťte
Vaše súbory nikdy neopustia vaše zariadenie.
Vybrané: Žiadne
Rozpoznajú sa iba tieto znaky. Ponechajte prázdne pre všetky znaky.
Rozpoznajú sa iba tieto znaky. Ponechajte prázdne pre všetky znaky.
Inicializuje sa...
Vaše prehľadávateľné PDF je pripravené. Nižšie si môžete vyextrahovaný text skopírovať alebo stiahnuť.
Spracováva sa...
Kliknite alebo presuňte súbor pre začiatok
Kliknutím na tlačidlo spracovať začnete
Okamžite si uložte svoj spracovaný súbor
Otvorte súbor v ľubovoľnej čítačke a skúste označiť riadok textu. Ak sa nič nezvýrazní alebo vyhľadávanie nenájde žiadne zhody, strany sú len obrázky (sken alebo fotografia) a OCR je to, čo pridá chýbajúci text. PDF, ktoré už má označiteľný text, tento nástroj nepotrebuje.
Uvedených je viac ako 100 jazykových balíkov Tesseract, od angličtiny a španielčiny po arabčinu, hindčinu, japončinu a čínštinu. Zaškrtnite každý jazyk, ktorý sa v dokumente vyskytuje. Balíky sa načítajú spolu, takže strany so zmiešanými jazykmi sa rozpoznajú jedným prechodom. Niektoré samostatne hostované nasadenia zahŕňajú kratší zoznam a uvádzajú to nad výberom jazyka.
Nie. Pôvodné strany sa skopírujú nezmenené a navrch sa nakreslí neviditeľná textová vrstva umiestnená slovo po slove tak, aby zodpovedala skenu. Vidíte rovnaký obrázok ako predtým, ale text môžete teraz vyhľadávať, označovať a kopírovať.
Vysoké (288 DPI) je predvolené a zvláda bežné kancelárske dokumenty. Prejdite na Štandardné (192 DPI), keď záleží na rýchlosti alebo je súbor dlhý, a použite Ultra (384 DPI) pre drobné písmo, poznámky pod čiarou alebo zlé skeny. Vyššie nastavenia trvajú citeľne dlhšie, pretože každá strana sa pred rozpoznaním vykresľuje v tejto veľkosti.
Obmedzuje výstup na pevnú množinu znakov, čo znižuje chyby, ako je čítanie malého l ako 1. Predvoľba Faktúra povoľuje len číslice a symboly $ . , / - # :, Len čísla sa hodí pre sériové čísla alebo odpočty meračov a Vlastné vám umožní zadať vlastnú množinu.
Nie spoľahlivo. Tesseract je trénovaný na tlačený text, takže úhľadné veľké tlačené písmená niekedy fungujú, ale kurzíva väčšinou vytvára šum. Výsledky sú najlepšie na čistých, dobre osvetlených tlačených stranách. Možnosť Binarizovať pomáha pri vyblednutých skenoch alebo skenoch s nízkym kontrastom a Zarovnať naklonené PDF najprv vyrovná naklonené.
Áno. Keď OCR skončí, extrahovaný text sa zobrazí v poli, kde si ho môžete prezrieť, skopírovať do schránky alebo stiahnuť ako ocr-text.txt. Stiahnutie prehľadávateľného PDF je samostatné, takže si môžete vziať jedno alebo oboje.
Nie. Tesseract beží ako WebAssembly vo vašom prehliadači. Jediné sťahovania sú nástroj OCR a jazykové balíky, ktoré ste vybrali, a stiahnu sa pri prvej potrebe. Naskenované strany a rozpoznaný text zostávajú na vašom zariadení.