OCR PDF
Gawing searchable ang na-scan na PDF nang libre sa browser: ang OCR sa 24 na wika ay nagdaragdag ng hindi nakikitang text layer, kaya makakahanap, makakapili at makakakopya ka ng teksto.
Ano ang ginagawa nito
Ang na-scan na PDF ay larawan ng bawat pahina: mukha itong teksto pero hindi mo ito mahahanap, mapipili o makokopya. Binabasa ng tool na ito ang bawat pahina gamit ang OCR (ang Tesseract engine) at isinusulat ang mga nahanap na salita bilang hindi nakikitang teksto sa ibabaw ng orihinal na pahina, sa parehong lugar. Pareho pa rin ang hitsura ng PDF, pero gumagana na ang paghahanap, pagpili at pagkopya, pati ang pag-index ng mga search engine at document system.
Paano ito gamitin
- Piliin ang na-scan na PDF.
- Piliin ang wika ng dokumento; lalaktawan ang mga pahinang may teksto na.
- I-click ang “Gawing searchable” at i-download ang PDF kapag handa na.
Mga madalas itanong
Iba ba ang hitsura ng PDF?
Hindi. Nananatili ang orihinal na mga pahina sa buong kalidad; hindi nakikita ang text layer at lumalabas lang kapag pumili o naghanap ka.
Gaano ito katumpak?
Para sa malilinaw na nakaprint na pahina sa mga wikang gumagamit ng Latin script, kadalasang mahigit 99% ng mga karakter ang tama. Mas mahina ang basa sa sulat-kamay, mababang resolusyon na scan, selyo at talahanayan, kaya suriin ang mahahalagang numero. Ipinapakita ng resulta ang average na kumpiyansa.
Bakit mabagal?
Binabasa ang bawat pahina sa browser mo sa 300 dpi, na ilang segundo bawat pahina sa computer at mas matagal sa telepono. Walang ipinapadala sa server, kaya depende sa device mo ang bilis.
Puwede bang i-OCR ang redacted na PDF?
Oo. Nagiging larawan ang mga redacted na pahina, at ginagawa ng OCR na searchable muli ang nakikitang teksto; nananatiling itim ang itinim at hindi ito binabasa.
Ina-upload ba ang PDF ko?
Hindi. Binabasa ang mga pahina at isinusulat ang PDF sa browser mo; walang ipinapadala sa server.
๐ก Larawan sa Teksto (OCR)
โฌ Redact PDF
๐ PDF to Word
Wikipedia — Optical character recognition
Wikipedia — Tesseract (software)