PDF OCR: foydalanish tartibi
- 1
Skanerlangan PDF ni qoʻshing
Skaner yoki telefondagi skanerlash ilovasi yaratgan faylni tashlang; vosita nechta sahifada belgilanadigan matn borligini tekshiradi.
- 2
Tillarni tanlang
Ingliz tili oldindan tanlangan, oʻzbek tili esa taklif qilinadi; hujjatda haqiqatan uchraydigan toʻrttagacha tilni qoʻshing.
- 3
Aniqlik va sahifalarni belgilang
“Eng aniq” sahifalarni 300 DPI da, “Tezroq” esa 200 DPI da oʻqiydi. Ishni sahifa oraligʻi bilan cheklang va matni bor sahifalarni oʻtkazib yuboring.
- 4
Natijalarni yuklab oling
Qidiriladigan PDF ni saqlang yoki tanilgan barcha matnni har bir sahifa oldida belgi qoʻyilgan .txt fayl sifatida yuklab oling.
Cheklovlar va Pro
Bepul: 50 MB gacha PDF, bir martada 200 sahifagacha OCR va mavjud 47 ta tildan bir vaqtda 4 tagacha til.
Pro tarifi bir martada 5 000 sahifagacha va 4 GB gacha fayllarni qabul qiladi; tanish tezligi baribir qurilmangiz protsessoriga bogʻliq. Pro tarifini koʻrish
PDF OCR haqida
Natija — har bir skanerlangan sahifasiga koʻrinmas matn qatlami qoʻshilgan asl PDF faylingiz. Skanning oʻzi qayta siqilmaydi va qayta chizilmaydi, shuning uchun avvalgidek koʻrinadi, lekin tanilgan har bir soʻz endi sahifadagi oʻz joyida turadi: Ctrl+F uni topadi, sichqoncha bilan belgilash mumkin, nusxalab qoʻyganda esa haqiqiy matn chiqadi. Sahifalar 300 DPI da (“Tezroq” rejimida 200 DPI) chiziladi va brauzeringizda WebAssembly koʻrinishida ishlaydigan ochiq kodli Tesseract OCR moduli tomonidan oʻqiladi; bir nechta sahifa parallel qayta ishlanadi, har biri uchun holat qatori koʻrsatiladi.
Yonboshlab yoki teskari skanerlangan sahifalar aniqlanib, toʻgʻri tomondan oʻqiladi, matni bor sahifalarni esa oʻtkazib yuborish mumkin, shunda aralash hujjatlar ikki marta ishlanmaydi. Matn qatlami Unicode da saqlanadi, shuning uchun kirill, yunon, arab, ivrit, hind, tay, xitoy, yapon va koreys tilidagi natijalarni ham lotin yozuvidek qidirish va nusxalash mumkin. Oddiy matn eksporti tanilgan hamma narsani sahifama-sahifa yigʻadi.
Qayerda kerak: arxivdagi xat va shartnomalarni qidiriladigan qilish, skanerlangan hisob-fakturadan raqamlarni olish, skanni Word ga aylantirishga tayyorlash yoki ekran oʻquvchi dastur ishlatadiganlarga eshitsa boʻladigan matn berish.
Oʻzbek tili ikki yozuvda bor: lotin yozuvidagi hujjat uchun “Oʻzbekcha (lotin)”ni, eski kirill hujjatlar uchun “Oʻzbekcha (kirill)”ni tanlang; matnda ruscha parchalar boʻlsa, rus tilini ham qoʻshing. Aniqlik skanga bogʻliq: 300 DPI dagi toza bosma matn deyarli xatosiz oʻqiladi, qoʻlyozma, xira suratlar, bezakli shriftlar, mayda yozuv va qiya olingan sahifalarda xato koʻpayadi.
Maxfiylik
Skanerlangan sahifalar shu brauzer oynasida WebAssembly ga kompilyatsiya qilingan Tesseract tomonidan chiziladi va taniladi; PDF ham, tanilgan matn ham serverga yuborilmaydi. Modul va siz tanlagan til fayllari (har biri 2 dan 15 MB gacha) ommaviy CDN dan bir marta yuklab olinadi va brauzeringiz keshida saqlanadi.
Imkoniyatlar
Qidirish va nusxalash
Tanilgan soʻzlar skan ustiga joylashtiriladi, shuning uchun Acrobat, Preview, Chrome va boshqa dasturlarda qidirish, belgilash va nusxalash ishlaydi.
Skan sifati saqlanadi
Faqat koʻrinmas qatlam qoʻshiladi: muhr, imzo va suratlar asl tiniqligida qoladi, fayl hajmi deyarli oʻsmaydi.
47 ta til
Oʻzbek (lotin va kirill), ingliz, rus, turk va nemis tilidan arab, hind, xitoy, yapon va koreys tiligacha, bir vaqtda toʻrttagachasini birga ishlatish mumkin.
Burilgan sahifalar
Yonboshlab yoki teskari turgan sahifa har bir yoʻnalishda qayta oʻqiladi va eng yaxshi natija olinadi.
Aralash hujjatlar
Matn qatlami bor sahifalarga tegilmaydi, bu qisman skanerlangan PDF fayllarda vaqtni tejaydi.