1Ngarko PDF documents e skanuar; një skanim i pastër 300 DPI në gri-scale i jep njohësit më shumë për të punuar.
2Thuaj atij se cila gjuhë të presë - emërimi i gjuhës mund të lejojë atë të gjejë me një kufi të gjerë.
3Ekzekuto njohjen e fjalëve; fjalët shkruahen si një shtresë e padukshme mbi figurën origjinale të faqes.
4Shkarko file PDF të kërkueshëm - duket identik, por tani mund të kërkosh dhe të zgjedhësh tekstin në të.
PDF me OCR Pyetje të shpeshta
A ndikon formati i burimit në njohjen?
+
PDF e rregullon faqen: gërmat, vektori, imazhet raster dhe koordinatat e tekstit janë të ngrira kështu që çdo lexues sheh një strukturë identike. Si ruhet faqja vendos se me çfarë rezolucioni dhe ngjyrash duhet të punojë njohësi.
Diçka specifike për PDF këtu?
+
Po — PDF është një grafik objekti, jo një figurë faqeje, kështu që teksti mbetet i zgjedhshëm dhe vektori mbetet i mprehtë pavarësisht se çfarë ndodh me përmbajtjen raster brenda tij. Kjo ndikon në atë që njohësi mund të shohë.
Si e kthen OCR PDF një skanim në tekst?
+
Konkretisht, çdo faqe është paraqitur, kryhet nëpërmjet një njohjeje teksti Tesseract në më shumë se 100 gjuhë, dhe fjalët e njohura janë shkruar si një shtresë e padukshme teksti e vendosur mbi imazhin origjinal — kështu që faqe duket e pandryshuar por është e kërkueshme dhe e zgjedhshme. Faqja ende duket tamam siç ishte — teksti i njohur qëndron i padukshëm pas figurës kështu që kërkimi dhe zgjedhja punojnë pa ndryshuar pamjen.
Çfarë gjuhësh mund të njohë?
+
Mbi 100, duke përfshirë latinisht, cirilik, greqisht, arabisht, hebraisht, kinezisht, japonezisht, koreanisht dhe shkrimet indiane.
A mbijetojnë libërshënuesit, lidhjet dhe fushat e formularit?
+
Konturat, lidhjet e brendshme dhe komentet ruhen kurdoherë që operacioni e lejon këtë. Firmat dixhitale janë përjashtimi: çdo ndryshim në file do të anullojë një firmë, sepse kjo është pikërisht ajo për çka është një firmë.
Çfarë mund të ngarkoj tek OCR PDF?
+
Çdo PDF standard, duke përfshirë ato të prodhuara nga një skaner, një program për përpunimin e tekstit apo një driver printeri. Filet me fjalëkalim pronari që vetëm kufizojnë modifikimin trajtohen; file që kërkojnë fjalëkalim përdoruesi për t'u hapur nuk trajtohen dhe nuk përpiqemi të thyem kriptimin.
A ka një kufizim të madhësisë së file në OCR PDF?
+
Po: llogaritë e lira përpunojnë dokumente deri në 5 MB secili, që mbulon shumicën e raporteve dhe kontratave por jo një dokument të gjatë të skanuar në 600 DPI; Ghostscript dhe qpdf bëjnë punën. PDF-të e skanuara janë gjëja e zakonshme që e tejkalojnë atë dhe kompresimi i dokumentit së pari është normalisht i mjaftueshëm për ta kthyer atë nën.
Do të zvogëlojë OCR PDF cilësinë e PDF documents?
+
Teksti dhe vektorët janë objekte dhe jo piksela, kështu që mbeten të mprehtë në çdo zmadhim, pavarësisht se ç'ndodh. Vetëm figurat raster të përfshira mund të degradohen dhe vetëm nëse operacioni që keni zgjedhur i ri-shembullon ato.
Pse një faqe me format modern do të përdorte OCR PDF?
+
WEBP.to është ndërtuar rreth zëvendësimit modern për të dyja të paracaktuarat e vjetra: një format që bën humbje, pa humbje, alfa dhe animacion, dhe në mënyrë të besueshëm vendbanimet më të vogla se JPEG ose PNG që erdhi nga. Njerëzit vijnë këtu pasi kanë vendosur se paracaktimet e vjetra po u kushtojnë bandwidth, dhe ky vendim menjëherë ngre pjesën tjetër: çfarë madhësie, çfarë cilësie, çfarë ndodh me transparencën. OCR PDF është në të njëjtën ngarkim dhe të njëjtën llogari kështu që këto pyetje marrin përgjigje në një vend.
Pasi OCR PDF është ekzekutuar, çfarë duhet bërë më tej?
+
Konvertimi në këtë faqe lëviz imazhet në dhe nga WebP, PNG, JPG dhe AVIF, ku vendosni nëse një file më i vogël i vlen të humbasësh shfletuesit e vjetër. Duke e bërë këtë në atë renditje ka rëndësi: zgjedhi pikselët së pari dhe konteinerin pastaj, sepse konteinieri është vendimi i lirë dhe pikselët janë të shtrenjtë.
A janë të njëjta faqet të ndryshme?
+
Motorët janë identikë — të njëjtat librari, të njëjtat punëtorë, të njëjtat kapëza. Çfarë është ndryshe është opinioni i bashkuar, dhe opinioni këtu mbështetet në një pronë të formatit që ky site është emëruar sipas: e njëjta zgjatje.webp mund të mbajë një frame VP8 me humbje, një frame pa humbje, ose një animacion, kështu që rruga e përpunimit të ndjeshëm vendoset për file në vend të zgjatjes.
Çfarë ndodh me dosjen time dhe a kërkohet një llogari?
+
Asnjë llogari, asgjë nuk mbahet: ngarkimet eleminohen nga punëtorët menjëherë pasi të përfundojë puna dhe asgjë nuk inspektohet, listohet apo indeksohet. Llogaritë ekzistojnë vetëm për historinë dhe përmasën e lotit.
