PDF'de OCR

Dosyayı herhangi bir görüntüleyicide açın ve bir metin satırını seçmeyi deneyin. Hiçbir şey vurgulanmıyorsa veya arama eşleşme bulmuyorsa sayfalar yalnızca görseldir (tarama veya fotoğraf) ve eksik metni ekleyen OCR'dır. Zaten seçilebilir metni olan bir PDF bu araca ihtiyaç duymaz.

İngilizce ve İspanyolcadan Arapça, Hintçe, Japonca ve Çinceye kadar 100'den fazla Tesseract dil paketi listelenir. Belgede geçen her dili işaretleyin; paketler birlikte yüklenir, böylece karışık dilli sayfalar tek geçişte tanınır. Bazı kendi sunucusunda barındırılan kurulumlar daha kısa bir liste içerir ve bunu dil seçicinin üstünde belirtir.

Hayır. Orijinal sayfalar değiştirilmeden kopyalanır ve üzerine, taramayla eşleşecek şekilde kelime kelime konumlandırılmış görünmez bir metin katmanı çizilir. Daha önceki görseli aynen görürsünüz, ancak artık metni arayabilir, seçebilir ve kopyalayabilirsiniz.

Yüksek (288 DPI) varsayılandır ve tipik ofis belgelerini işler. Hız önemliyse veya dosya uzunsa Standart'a (192 DPI) düşün, küçük punto, dipnotlar veya kötü taramalar için Ultra'yı (384 DPI) kullanın. Daha yüksek ayarlar belirgin şekilde daha uzun sürer; çünkü her sayfa tanımadan önce o boyutta işlenir.

Çıktıyı sabit bir karakter kümesiyle sınırlar; bu, küçük harf l'nin 1 olarak okunması gibi hataları azaltır. Fatura ön ayarı yalnızca rakamlara ve $ . , / - # : simgelerine izin verir, Yalnızca Sayılar seri numaraları veya sayaç okumaları için uygundur, Özel ise kendi kümenizi yazmanıza olanak tanır.

Güvenilir şekilde değil. Tesseract basılı metin üzerinde eğitilmiştir; bu yüzden düzgün büyük harfler bazen çalışır ama bitişik el yazısı çoğunlukla gürültü üretir. Sonuçlar temiz, iyi aydınlatılmış basılı sayfalarda en iyidir; İkili hale getir seçeneği solmuş veya düşük kontrastlı taramalara yardımcı olur, PDF Eğriliğini Düzelt ise eğik olanları önce düzeltir.

Evet. OCR bittiğinde çıkarılan metin, gözden geçirebileceğiniz, panoya kopyalayabileceğiniz veya ocr-text.txt olarak indirebileceğiniz bir kutuda görünür. Aranabilir PDF indirmesi ayrıdır; yani birini ya da ikisini birden alabilirsiniz.

Hayır. Tesseract tarayıcınızın içinde WebAssembly olarak çalışır; tek indirmeler OCR motoru ve seçtiğiniz dil paketleridir ve ilk gerektiklerinde getirilir. Taranmış sayfalar ve tanınan metin cihazınızda kalır.