PDF dan matn: foydalanish tartibi
- 1
PDF ni oching
50 MB gacha boʻlgan PDF ni maydonga tashlang yoki bosib tanlang. Parol bilan himoyalangan fayl avval parolni soʻraydi.
- 2
Matn koʻrinishini tanlang
“Xatboshilar” oʻqish va boshqa joyga qoʻyish uchun toza matn beradi; “Sahifadagidek” har bir qatorni saqlab, jadval ustunlarini boʻshliqlar bilan tekislaydi.
- 3
Sahifalar va OCR ni belgilang
Barcha sahifalarni yoki 2-5, 9 kabi oraliqni tanlang. Ayrim sahifalar matn qatlamisiz skan boʻlsa, OCR ni yoqib, tilini koʻrsating.
- 4
Nusxalang yoki yuklab oling
“Matnni olish”ni bosing, natijani maydonda tekshiring, soʻng uni nusxalang yoki UTF-8 kodlashdagi .txt fayl sifatida saqlang.
Cheklovlar va Pro
Bitta PDF 50 MB gacha va bir martada 200 tagacha sahifa, OCR bilan birga.
Pro tarifi 4 GB gacha PDF ni ochadi va bir martada 5 000 tagacha sahifani oʻqiydi. Pro tarifini koʻrish
PDF dan matn haqida
Aksariyat PDF fayllarda matn qatlami boʻladi — PDF koʻruvchida sichqoncha bilan belgilay oladigan oʻsha harflar. Bu vosita aynan shu qatlamni oʻqiydi va uni odam oʻqiydigan tartibga qaytaradi. Koʻruvchidan toʻgʻridan-toʻgʻri nusxa olinganda ikki ustunli maqola qatorma-qator aralashib ketadi, har bir jumla bosilgan qator oxirida uziladi, soʻz oʻrtasida esa defislar qoladi. Bu yerda avval sahifa ustun va bloklarga ajratiladi, koʻchirilgan qatorlar xatboshiga birlashtiriladi, qator oxirida boʻlingan soʻz qayta qoʻshiladi, roʻyxat belgilari va raqamlari oʻz joyida qoladi, jadval esa katakchalari tab bilan ajratilgan qatorlarga aylanadi — uni Excel ga qoʻysangiz, har bir qiymat oʻz katagiga tushadi. Yuqori yoki pastki chekkadagi yolgʻiz sahifa raqami hamda qiya “NAMUNA” kabi burilgan yoki tik yozuvlar olinmaydi.
“Sahifadagidek” rejimi buning teskarisi: u har bir qatorni bosilgan joyida qoldiradi va blanka, hisob-faktura yoki bank koʻchirmasi ustunlarini boʻshliqlar yordamida tekis saqlaydi.
Skanerlangan sahifalarda matn qatlami yoʻq, faqat qogʻozning surati bor. OCR yoqilsa, aynan shunday sahifalar brauzeringizdagi Tesseract moduli tomonidan 47 tildan birida, jumladan oʻzbekcha lotin va kirill yozuvida oʻqiladi. Odatda bu vosita hisobotdan iqtibos olish, shartnomani tarjimon yoki soʻz sanagichga berish, koʻchirmadan raqamlarni ajratib olish yoki matnni Telegram xabariga qoʻyish uchun ishlatiladi. Shrift, rang, rasm va havolalar natijaga kirmaydi; ular kerak boʻlsa, PDF ni Word ga aylantiring.
Maxfiylik
PDF.js hujjatni qurilmangizdagi Web Worker ichida tahlil qiladi, ikkinchi worker esa qatorlarni xatboshilarga joylaydi; PDF ham, uning matni ham hech qayerga yuklanmaydi. Faqat OCR ni yoqsangiz, sahifa jsDelivr CDN dan Tesseract modulini va bitta til faylini bir marta yuklab oladi, bu yuklamalarda hujjatingizdan hech narsa yoʻq.
Imkoniyatlar
Ustunlar tartib bilan
Ikki va uch ustunli sahifalar qatorma-qator emas, ustunma-ustun oʻqiladi.
Haqiqiy xatboshilar
Koʻchirilgan qatorlar birlashtiriladi, qator oxirida boʻlingan soʻzlar qayta qoʻshiladi.
Qoʻyish mumkin boʻlgan jadvallar
Jadval qatorlari tab bilan ajraladi yoki “Sahifadagidek” rejimida boʻshliqlar bilan tekislanadi.
Skanlar uchun OCR
Matn qatlamisiz sahifalar qurilmangizda Tesseract yordamida 47 tilda oʻqiladi.