Extract text from images — free

Muunnin rakentaa uudelleen dokumentin loogisen rakenteen — otsikot, kappaleet, listat, aidot <table>-elementit, linkit ja kuvat — sen sijaan että se vain kiinnittäisi jokaisen merkin X/Y-koordinaattiin, kuten jotkin PDF-katseluohjelmat tekevät. Tulos mukautuu mobiilissa, indeksoituu hyvin hakukoneoptimointia varten ja on ruudunlukuohjelmilla käytettävissä heti.

Kyllä. Taulukoista tulee standardinmukaisia <table>-, <thead>-, <tbody>-, <tr>-, <th>- ja <td>-elementtejä, joiden otsikkosoluissa on asianmukaiset scope-attribuutit. Tämä tekee niistä ruudunlukijaystävällisiä, haettavia ja helppoja tyylitellä Bootstrapilla, Tailwindilla tai olemassa olevalla CSS-kehykselläsi – ylimääräistä merkinnän muunnosta ei tarvita.

Kyllä. Liitä WordPressiin, Webflow'hun, Ghostiin, Notioniin (upotuksena), Confluenceen, GitBookiin tai omaan staattiseen sivustoosi – merkintä on riippumaton kirjastoista, läpäisee W3C HTML5 -standardin validoinnin ja renderöityy identtisesti Chromessa, Safarissa, Firefoxissa ja Edgessä. Kuvat sisällytetään base64-muodossa tekstin sisään tai puretaan erillisiksi tiedostoiksi mieltymyksesi mukaan.

Kyllä. Pelkästään kuvapohjaiset PDF-tiedostot käynnistävät OCR-moottorin, joka poimii tekstin ja rakentaa asettelun uudelleen ennen HTML:n luomista. Tämä tarkoittaa, että jopa vanhat skannatut white paper -dokumentit, valokuvatut raportit ja faksatut asiakirjat voidaan julkaista uudelleen moderneina responsiivisina verkkosivuina, joissa on asianmukaiset otsikot, kappaleet ja linkit.

Kyllä. Upotetut kuvat puretaan, optimoidaan (WebP tai PNG sisällöstä riippuen) ja viitataan niihin <img>-tageilla, joiden leveys- ja korkeusattribuutit on asetettu CLS-ystävällistä latausta varten. Vektorikaaviot saattavat litistyä rasteriksi – täyttä vektoritarkkuutta varten käytä PDF–kuvat-muunninta ja upota SVG-versiot manuaalisesti.

Lataukset poistetaan minuuttien sisällä, niitä ei koskaan käytetä mallien kouluttamiseen eikä jaeta. HTML-tuloste ei sisällä vesileimaa, attribuutiokommenttia eikä seurantapikseliä. Toimistot ja yritysten omat tiimit käyttävät työkalua vanhojen PDF-tiedostojen siirtämiseen nykyaikaisille CMS-sivustoille ilman lisensointi- tai yksityisyyshuolia.

Avaa Moottori-hallintaryhmä esikatselun vierestä, valitse Oletus, Moottori 1 tai Moottori 2 ja valitse sitten asiakirjan kieli sen alla olevasta haettavasta Kieli-valitsimesta — yli 100 kieltä tuetaan, mukaan lukien ei-latinalaiset kirjaimistot. Kun olet muuttanut kumpaa tahansa asetusta, napsauta Aja poiminta uudelleen luodaksesi HTML:n uudelleen uudella OCR-ajolla.

Aloita Oletus-asetuksella yleisten latinalaisiin kirjaimiin perustuvien kielten kohdalla — se on nopein ja tarkin jokapäiväisille asiakirjoille. Harvinaisemmille kirjoitusjärjestelmille (arabia, hindi, kiina) tai kun Oletus sekoittaa otsikot ja taulukot, vaihda Moottori 1:een tai Moottori 2:een, aseta vastaava Kieli ja Suorita tunnistus uudelleen — eri moottorit ovat erikoistuneet eri kirjoitusjärjestelmiin, joten molempien kokeileminen vie sekunteja ja korjaa usein väärin luetut aksenttimerkit.

Kyllä — tulostepaneeli näyttää muokattavan koodikentän reaaliaikaisesti renderöidyn esikatselun vieressä, joten korjauksen kirjoittaminen (harhamerkin poistaminen, otsikkotason säätäminen, tekstin hienosäätö) päivittää esikatseluruudun välittömästi. Tee kaikki korjauksesi siellä ennen latauksen tai kopioinnin painamista, sillä molemmat toiminnot käyttävät sitä, mitä koodikentässä parhaillaan on, ei alkuperäistä OCR-tulostetta.

Napsauta Kopioi HTML tulospaneelin yläpuolella — se kopioi leikepöydälle täsmälleen sen, mitä muokattavassa koodiruudussa on, mukaan lukien tekemäsi manuaaliset muokkaukset, ja näyttää hetken vahvistukseksi 'Kopioitu!'. Tämä on nopein tapa, kun liität sisällön suoraan CMS-järjestelmän HTML- tai upotuslohkoon tiedoston lataamisen sijaan.

Voit muuntaa PDF:n HTML-muotoon luomatta tiliä. Sisäänkirjautuneet ilmaiset tilit saavat päivittäisen muunnosrajan ja näkevät pienen käyttömittarin, kun ne ovat lähellä sitä, koska skannatut PDF-sivut kulkevat OCR:n läpi — Premium-tilit eivät näe mitään rajaa.

Ei — työkalussa ei ole tähän asetusta; se, miten kuvat upotetaan tulostettuun HTML:ään, päätetään automaattisesti eikä sitä voi vaihtaa käyttöliittymässä, riippumatta siitä, mitä jokin sivuston teksti antaa ymmärtää. Jos tarvitset erillisiä kuvatiedostoja CMS:n mediakirjastoon, vie sivut sen sijaan erikseen PDF kuviksi -työkalulla, joka tuottaa PNG:n tai JPG:n — ei SVG:tä — valintasi mukaan 150, 200 tai 300 DPI:ssä.