OCR PDF - Make a Searchable PDF Online Free

Tavallinen kuva-PDF on litteä kuva .pdf-säiliöön käärittynä — sen tekstiä ei voi valita, kopioida eikä hakea. Haettavassa PDF:ssä on näkymätön OCR-tekstikerros kohdistettuna jokaisen näkyvän merkin taakse, joten Ctrl+F löytää sanoja, kopioiminen toimii ja ruudunlukijat voivat lukea sivun ääneen, samalla kun ulkoasu pysyy identtisenä.

OCR-moottori lukee jokaisen sanan ja tallentaa sen tekstin ja rajauslaatikon alkuperäisen kuvan taakse tarkkoihin pikselikoordinaatteihin. Visuaalisesti sivu näyttää täysin samalta kuin alkuperäinen skannaus, mutta Adobe Acrobat, Preview, Chrome ja jokainen moderni PDF-katseluohjelma voivat nyt valita, etsiä ja kopioida tekstiä aivan kuin se olisi alun perin digitaalista.

Kyllä. Tekstitaso on PDF-standardin mukainen (ei suljettua laajennusta), joten Adobe Acrobat (Reader ja Pro), macOS:n Esikatselu, Chromen sisäänrakennettu PDF-katselin, Firefox, Edge ja mobiililukijat kuten Files-sovellus, Drive ja Dropbox kaikki indeksoivat ja hakevat sitä. Ctrl+F tai Cmd+F löytää sanat sekunneissa, jopa pitkistä skannatuista raporteista.

Kyllä. Anna useita kielikoodeja (esimerkiksi eng+chi_sim+hin), niin OCR ottaa ne kaikki huomioon merkkejä lukiessaan. Useita kirjoitusjärjestelmiä sisältävät asiakirjat, kuten kaksikieliset ruokalistat, kansainväliset sopimukset ja viranomaislomakkeet, toimivat moitteettomasti. Parhaan tuloksen saat antamalla todennäköisimmän kielen ensimmäisenä luettelossa.

Tekstikerros kasvattaa PDF:n kokoa tyypillisesti 5–15 % — yleensä muutama sata kilotavua sataa sivua kohden. Verrattuna hyötyyn (kokotekstihaku koko dokumenttiarkistossasi) se on pieni hinta. Jos koolla on merkitystä sähköpostissa, aja tulos PDF Compressin läpi pienentääksesi suuria upotettuja kuvia entisestään.

Lataukset käsitellään väliaikaisessa työkansiossa ja poistetaan automaattisesti minuuttien sisällä muunnoksen valmistumisesta. Emme koskaan kouluta malleja käyttäjätiedostoilla, emme jaa niitä emmekä lisää vesileimoja. Tämä tekee työkalusta turvallisen oikeudellisille, HR-, lääketieteellisille ja kirjanpitoon liittyville skannatuille arkistoille, joissa luottamuksellisuus on tärkeintä.

Tämä työkalu lukee kuvatiedostoja (JPG, PNG, TIFF, skannaukset ja valokuvat) ja palauttaa haettavan PDF:n. Jos sinulla on jo monisivuinen skannattu PDF, jaa se ensin sivukuviksi PDF kuviksi -työkalulla, ja pudota sitten ne kuvat tähän saadaksesi takaisin yhden haettavan, OCR-käsitellyn PDF:n.

Lataa JPG, PNG, WEBP, GIF, TIFF tai BMP — puhelinkuvat, tasoskannaukset ja kuvakaappaukset toimivat kaikki. OCR-moottori lukee tekstin ja kietoo sen näkymättömään kerrokseen kuvan taakse, joten tulos on tavallinen haettava PDF, joka avautuu missä tahansa katseluohjelmassa.

Haettava PDF tarvitsee upotetun hOCR-tekstitason sanakohtaisilla rajauslaatikoilla, jonka vain Tesseract-pohjaiset moottorit (Moottori 1 ja Moottori 2) voivat tuottaa — muualla sovelluksessa käytetty PaddleOCR 'Oletus' -moottori ei voi luoda kyseistä tasoa. Moottori 1 on tavallinen Tesseract-käsittely laajimmalla kielituella; Moottori 2 voi pärjätä paremmin tyylitellyissä tai heikkolaatuisissa skannauksissa.

Avaa Kieli-valitsin Asetuksista ja valitse asiakirjan kieli (englanti oletuksena) — tämä on yksittäinen tärkein asetus OCR-tarkkuudelle, sillä moottorin merkkitunnistus on kielikohtaista. Napsauta Aja muunnos uudelleen sen muuttamisen jälkeen rakentaaksesi PDF:n uudelleen tuoreella tekstikerroksella.

Valitse Moottori 1 sen laajemman kielikattavuuden vuoksi ja aseta kielivalitsin sopimuksen ensisijaiselle kielelle. Jos toisen kielen tärkeät osiot eivät edelleenkään täsmää haettaessa, aja muunnos uudelleen Moottorilla 2 tai toissijainen kieli valittuna toisella kierroksella.

Se päivittyy automaattisesti — Moottori- tai Kieli-pudotusvalikon vaihtaminen käsittelee ladatun kuvan välittömästi uudelleen ja rakentaa haettavan PDF-tiedoston uudella asetuksella ilman napsautusta. Suorita muunnos uudelleen -painike on lähinnä hyödyllinen täsmälleen samojen asetusten yrittämiseen uudelleen, esimerkiksi epäonnistuneen muunnoksen tai lyhyen verkkokatkoksen jälkeen.