1Muatkan naik PDF documents yang diimbas; imbasan skala kelabu 300 DPI bersih memberikan pengiktirafan yang paling banyak untuk bekerja.
2Beritahu bahasa mana yang hendak diharapkan — nama bahasa melebihi biarkan ia meneka dengan margin yang luas.
3Jalankan laluan pengenalan; perkataan ditulis semula sebagai lapisan tak kelihatan duduk di atas imej halaman asal.
4Muat turun fail bolehcari PDF — ia kelihatan sama, tetapi anda boleh cari dan pilih teks didalamnya.
PDF OCR Soalan Lazim
Adakah format sumber mempengaruhi pengecaman?
+
Ianya boleh. PDF memperbaiki halaman: fon, vektor, imej raster dan koordinat teks dibekukan supaya setiap pembaca melihat susunatur yang sama. Cara halaman disimpan menentukan resolusi dan maklumat warna yang perlu diguna oleh pengiktirafan.
Sesuatu yang spesifik untuk PDF di sini?
+
Ya — PDF adalah graf objek, bukan imej halaman, jadi teks tetap boleh dipilih dan vektor tetap tajam tidak kira apa yang berlaku pada kandungan raster di dalamnya. Ia mempengaruhi apa yang pengiktirafan boleh lihat.
Bagaimana OCR PDF menukar imbasan ke teks?
+
Secara khusus, setiap halaman dihasilkan, berjalan melalui laluan pengenalan teks Tesseract dalam lebih 100 bahasa, dan perkataan yang dikenali ditulis semula sebagai lapisan teks tak kelihatan diletakkan di atas imej asal — jadi halaman kelihatan tidak berubah tetapi boleh dicari dan dipilih. Halaman masih kelihatan seperti yang ia lakukan - teks yang dikenali duduk tidak kelihatan di belakang imej jadi carian dan pemilihan bekerja tanpa mengubah penampilan.
Bahasa apa yang ia boleh mengenali?
+
Lebih 100, termasuk Latin, Cyrillic, Greek, Arab, Hebrew, Cina, Jepun, Korea dan skrip India. Memaklumkan bahasa mana yang dijangkakan secara material meningkatkan ketepatan berbanding membiarkan ia meneka.
Adakah tandabuku, pautan dan medan borang akan kekal?
+
Garis luar, pautan dalaman dan anotasi disimpan di mana- mana operasi membenarkannya. Tandatangan digital adalah pengecualian: sebarang perubahan kepada fail mesti melumpuhkan tandatangan, kerana itulah yang tandatangan adalah untuk.
Apa yang boleh saya muat naik ke OCR PDF?
+
Sebarang PDF piawai, termasuk yang dihasilkan oleh pengimbas, pemproses kata atau pemacu cetakan. Fail dengan kata laluan pemilik yang hanya membatasi penyuntingan diurus; fail yang memerlukan kata laluan pengguna untuk dibuka tidak, dan kami tidak cuba memecah penyulitan.
Adakah terdapat had saiz fail pada OCR PDF?
+
Ya: akaun bebas proses dokumen sehingga 5 MB setiap satu, yang meliputi kebanyakan laporan dan kontrak tetapi bukan dokumen mengimbas panjang pada 600 DPI; Ghostscript dan qpdf melakukan kerja. PDF yang diimbas adalah perkara biasa yang melebihinya, dan memampatkan dokumen pertama biasanya cukup untuk membawanya kembali ke bawah.
Adakah OCR PDF akan menurunkan kualiti PDF documents saya?
+
Teks dan karya seni vektor adalah objek bukan piksel, jadi mereka tetap tajam pada sebarang zum tanpa mengira apa yang berlaku. Hanya imej raster terbenam boleh diturunkan, dan hanya jika operasi yang anda pilih menguji semula mereka.
Kenapa laman web format moden menjalankan OCR PDF?
+
WEBP.to dibina di sekeliling penggantian moden untuk kedua-dua piawaian lama: satu format yang melakukan lossy, lossless, alpha dan animasi, dan dengan boleh dipercayai tanah lebih kecil daripada JPEG atau PNG ia datang dari. Orang-orang datang ke sini setelah memutuskan piawaian lama menghabiskan lebar jalur mereka, dan keputusan itu segera mengangkat selebihnya: saiz apa, kualiti apa, apa yang berlaku kepada ketelusan. OCR PDF adalah pada muat naik yang sama dan akaun yang sama jadi soalan-soalan itu dijawab di satu tempat.
Setelah OCR PDF telah dilaksanakan, apa yang patut dilakukan seterusnya?
+
Penukar di laman ini memindahkan imej ke dan dari WebP, PNG, JPG dan AVIF, yang mana anda memutuskan sama ada fail yang lebih kecil berbaloi kehilangan pelayar lama. Melakukannya dalam urutan itu penting: pilih piksel pertama dan bekas selepas itu, kerana bekas adalah keputusan murah dan piksel adalah yang mahal.
Adakah laman web saudara-mara menjalankan sesuatu yang berbeza?
+
Enjin adalah sama — pustaka yang sama, pekerja yang sama, cap yang sama. Apa yang berbeza ialah pendapat yang dilampirkan, dan pendapat di sini bergantung pada sifat format yang laman ini dinamakan selepas: sambungan.webp yang sama boleh memuatkan bingkai VP8 kehilangan, satu tanpa kehilangan, atau animasi, jadi laluan pemprosesan yang bermakna diputuskan bagi setiap fail bukan bagi setiap sambungan.
Apa yang berlaku kepada fail saya, dan adakah akaun diperlukan?
+
Tiada akaun, dan tiada apa-apa yang dipelihara: muat naik dipadam dari pekerja tidak lama selepas kerja selesai, dan tiada apa-apa yang diperiksa, disenaraikan atau diindeks. Akaun hanya wujud untuk sejarah dan saiz lot.
