1Încărcaţi scanarea PDF documents; o scanare curăţată 300 DPI scară de gris devine cel mai bun recunoaştetor cu care să lucreze.
2Spune-i care limba de aşteptat — numirea limbii bate la un nivel larg.
3Executați pasul de recunoaștere; cuvintele sunt scrise înapoi ca un strat invizibil care stătea peste imaginea de pagina originală.
4Descarcă fișierul de căutare PDF — arată identic, dar acum puteți căuta și selecta textul din ea.
PDF OCR Întrebări
Formatul sursă afectează recunoașterea?
+
Acesta face. PDF corectează pagina: fonturi, vectori, imagini raster și coordonate text sunt înghețate astfel încât fiecare cititor vede layout identic. Cum pagina este stocat decide cu ce informații de rezoluție și culoare trebuie să lucreze.
Ceva specific la PDF aici?
+
Yes — un PDF este un grafic de obiect, nu o imagine de pagină, astfel încât textul rămâne selectabil și vectorii rămân ascuțiți indiferent ce se întâmplă cu conținutul raster din interiorul ei. It affects what the recogniser can see.
Cum se transformă OCR PDF o scanare în text?
+
În mod concret, fiecare pagină este dezvoltată, rulați printr-un text-recogniție Tesseract trece în peste 100 de limbi, iar cuvintele recunoscute sunt scrise înapoi ca un strat de text invizibile poziționat peste imaginea originală — astfel încât pagina arata nemodificat, dar este în căutare și selectabil. Pagina arată exact cum a făcut - textul recunoscut se află în spatele imaginei, astfel încât să lucreze în căutare și selecție fără a schimba aspectul.
Ce limbi poate recunoaşte?
+
Peste 100, inclusiv latin, cirilic, grec, arabă, ebraică, chineză, japoneză, coreeană și script-urile indice. Spune-i care limba să se așteapte îmbunătățește material precizie, lașind-o să ghicească.
Setatele, link-urile și câmpurile de formular supraviețuiesc?
+
Contururile, legăturile interne și anotațiile sunt păstrate oriunde operația permite. Semnele digitale sunt excepția: orice modificare a fișierului invalidează neapărat o semnătură, deoarece este exact pentru care este o semnătură.
Ce pot încărca pe OCR PDF?
+
Orice PDF standard, inclusiv cele produse de un scaner, de un procesor de cuvinte sau de un driver de tipărire. Fișiere cu o parolă proprietară care restricționează ediția sunt gestionate; fișierele care au nevoie de o parolă de utilizator pentru a deschide nu sunt, și noi nu încercăm să rupe criptarea.
Există o limită de dimensiune a fișierului pe OCR PDF?
+
Da: documente de proces de conturi gratuite până la 25 MB fiecare, care acoperă majoritatea rapoartelor și contractelor, dar nu un document scanat lung la 600 DPI; Ghostscript și qpdf fac lucrarea. PDF-urile scanate sunt lucrul obișnuit care o depășește, și comprimarea documentului mai întâi este de obicei suficient pentru a-l aduce înapoi în jos.
Will OCR PDF lower the quality of my PDF documents?
+
Text și artă vectorială sunt obiecte mai degrabă decât pixeli, astfel încât acestea rămân perfect ascuțite la orice zoom indiferent de ce se întâmplă. Doar imaginile încorporate pot degrada, și doar dacă operația alegeți le reeșanlonează.
De ce ar fi rulat un site de formată modernă OCR PDF?
+
WEBP.to este construit în jurul înlocuirii moderne pentru ambele vechi implicite: un format care face pierdere, fără pierderi, alfa și animație, și aterizează fiabil mai mici decât JPEG sau PNG de la care a venit. Oamenii sosesc aici, după ce au decis vechile implicări le costă lățimea de bandă, și această decizie ridică imediat restul: ce dimensiune, ce calitate, ce se întâmplă cu transparența. OCR PDF este pe același număr de încărcare și același cont astfel încât aceste întrebări să primească răspuns într-un singur loc.
Once OCR PDF has run, what is worth doing next?
+
Convertitorul de pe acest site mută imaginile către și de la WebP, PNG, JPG și AVIF, care este locul în care decideți dacă un fișier mai mic merită să piardă browser-urile vechi. Facerea în acest ordin contează: alegeți pixelii mai întâi și containerul mai târziu, deoarece containerul este decizia ieftin și pixelii sunt cel scump.
Site-urile fratelui conduc ceva diferit?
+
Motoarele sunt identice — aceleaşi biblioteci, acelaşi lucrător, acelaşi plafon. Ce este diferit este opinia ataşată, iar opinia se bazează pe o proprietate a formatului pe care acest site îl numeşte după: aceeași extensie.webp poate deține o cadru VP8 pervers, unul fără pierdere, sau o animație, astfel încât calea de procesare rațională este decisă pe fișier, mai degrabă decât pe extensie.
Ce se întâmplă cu dosarul meu, şi este necesar un cont?
+
Nu există cont, și nimic nu este reținut: încărcături sunt eliminate de la lucrătorii la scurt timp după finalizarea postului, și nimic nu este inspectat, listat sau indexat. Conturile există pentru istorie și mărimea loturilor numai.
