PDF OCR құралын қалай қолдану керек
- 1
Сканерленген PDF файлын қосыңыз
Сканерден немесе телефондағы сканерлеу қолданбасынан алынған файлды осы жерге апарып тастаңыз; құрал қанша беттің мәтіні бұрыннан таңдалатынын тексереді.
- 2
Тілдерді таңдаңыз
Ағылшын тілі алдын ала таңдалған, браузеріңіздің тілі де ұсынылады; құжатта шынымен кездесетін тілдерді төрттен артық емес етіп қосыңыз.
- 3
Дәлдік пен беттерді баптаңыз
Ең жақсы режимі беттерді 300 DPI, Жылдамырақ режимі 200 DPI деңгейінде оқиды. Өңдеуді бет аралығымен шектеңіз және мәтіні бар беттерді өткізіп жіберіңіз.
- 4
Нәтижені жүктеп алыңыз
Іздеуге болатын PDF файлын сақтаңыз немесе танылған мәтіннің бәрін әр беттің алдында белгісі бар .txt файл етіп жүктеп алыңыз.
Шектеулер және Pro
Тегін: 50 MB дейінгі PDF файлдар, бір өңдеуде 200 бетке дейін OCR және қолжетімді 47 тілдің ішінен бір мезгілде 4 тілге дейін тану.
Pro бір өңдеудегі шекті 5 000 бетке, файл көлемін 4 GB дейін көтереді; тану жылдамдығы әлі де құрылғыңыздың процессорына байланысты. Pro-ны қарау
PDF OCR туралы
Нәтиже — әр сканерленген бетке көрінбейтін мәтін қабаты қосылған түпнұсқа PDF файлыңыз. Сканның өзі қайта сығылмайды және қайта салынбайды, сондықтан бұрынғыдай көрінеді, бірақ танылған әр сөз беттегі өз орнында тұрады: Ctrl+F оны табады, тінтуірді сүйреп таңдауға болады, ал көшіріп қойғанда нақты мәтін шығады. Беттер 300 DPI деңгейінде (Жылдамырақ режимінде 200) жасалып, ашық бастапқы кодты Tesseract OCR қозғалтқышымен оқылады. Ол браузеріңізде WebAssembly ретінде жұмыс істейді, бірнеше бет қатар өңделеді және әр бетке жеке күй жолы көрсетіледі.
Күйінен жатқан немесе төңкерілген беттер анықталып, дұрыс бағытта оқылады, мәтіні бар беттерді өткізіп жіберуге болады, сондықтан аралас құжаттар екі рет өңделмейді. Мәтін қабаты Unicode түрінде сақталады, сондықтан кирилл, грек, араб, ивритт, хинди, тай, қытай, жапон және корей мәтінін латын жазуы сияқты іздеп, көшіруге болады. Қарапайым мәтін экспорты танылғанның бәрін бет-бетімен жинайды.
Типтік қолданыстар: мұрағаттағы хаттар мен келісімшарттарды іздеуге ыңғайлы ету, сканерленген шот-фактурадан сандарды алу, сканді Word құжатына түрлендіруге дайындау немесе экран оқу бағдарламасын қолданатындарға тыңдауға болатын мәтін беру.
Дәлдік сканның сапасына байланысты. 300 DPI деңгейіндегі таза басылған мәтін әдетте дерлік мінсіз оқылады; қолжазба, контрасты төмен фотолар, сәндік қаріптер, ұсақ мәтін және еңкейіп түсірілген беттерде қате көбірек болады. Қатты қисайған беттер түзетілмейді, ал қозғалтқыш орналасуды емес, сөздерді оқиды, сондықтан бағандар мен кестелер экспортта жай мәтін жолдары болып шығады.
Құпиялылық
Сканерленген беттер осы браузер қойындысының ішінде WebAssembly-ге құрастырылған Tesseract арқылы жасалып, танылады; PDF де, танылған мәтін де серверге жіберілмейді. Қозғалтқыш пен таңдаған тіл файлдары (әрқайсысы 2–15 MB) ашық CDN-нен бір рет жүктеліп, браузеріңіздің кэшінде сақталады.
Мүмкіндіктер
Іздеу және көшіру
Танылған сөздер сканның үстіне орналасады, сондықтан табу, таңдау және көшіру Acrobat, Preview, Chrome және басқа оқу бағдарламаларында жұмыс істейді.
Скан сапасы өзгермейді
Тек көрінбейтін қабат қосылады, сондықтан мөрлер, қолтаңбалар мен суреттер бастапқы айқындығын сақтайды, ал файл көлемі әрең өседі.
47 тіл
Ағылшын, испан және неміс тілдерінен бастап араб, хинди, қытай, жапон және корей тілдеріне дейін, бір мезгілде төртеуін біріктіруге болады.
Бұрылған беттер
Күйінен жатқан немесе төңкерілген бет әр бағытта қайта оқылып, ең жақсы нәтиже сақталады.
Аралас құжаттар
Мәтін қабаты бар беттерге тиіспейді, бұл тек жартылай сканерленген PDF файлдарда уақытты үнемдейді.