Extract text from images — free

ਕਨਵਰਟਰ ਦਸਤਾਵੇਜ਼ ਦੇ ਤਰਕਪੂਰਨ ਢਾਂਚੇ ਨੂੰ ਮੁੜ-ਬਣਾਉਂਦਾ ਹੈ — ਸਿਰਲੇਖ, ਪੈਰ੍ਹੇ, ਸੂਚੀਆਂ, ਅਸਲੀ <table> ਤੱਤ, ਲਿੰਕ ਅਤੇ ਚਿੱਤਰ — ਨਾ ਕਿ ਸਿਰਫ਼ ਹਰ ਅੱਖਰ ਨੂੰ ਇੱਕ X/Y ਕੋਆਰਡੀਨੇਟ ਉੱਤੇ ਪਿੰਨ ਕਰਨਾ ਜਿਵੇਂ ਕੁਝ PDF ਵਿਊਅਰ ਕਰਦੇ ਹਨ। ਨਤੀਜਾ ਮੋਬਾਈਲ ਉੱਤੇ ਰੀਫਲੋ ਹੁੰਦਾ ਹੈ, SEO ਲਈ ਚੰਗੀ ਤਰ੍ਹਾਂ ਇੰਡੈਕਸ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਸਕ੍ਰੀਨ-ਰੀਡਰ ਪਹੁੰਚਯੋਗ ਹੈ।

ਹਾਂ। ਟੇਬਲ ਸਟੈਂਡਰਡ <table>, <thead>, <tbody>, <tr>, <th> ਅਤੇ <td> ਐਲੀਮੈਂਟ ਬਣ ਜਾਂਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਦੇ ਸਿਰਲੇਖ ਸੈੱਲਾਂ 'ਤੇ ਸਹੀ scope ਗੁਣ ਹੁੰਦੇ ਹਨ। ਇਹ ਉਹਨਾਂ ਨੂੰ ਸਕ੍ਰੀਨ-ਰੀਡਰ ਅਨੁਕੂਲ, ਖੋਜਣ ਯੋਗ, ਅਤੇ Bootstrap, Tailwind ਜਾਂ ਤੁਹਾਡੇ ਮੌਜੂਦਾ CSS ਫ੍ਰੇਮਵਰਕ ਨਾਲ ਸਟਾਈਲ ਕਰਨ ਵਿੱਚ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ — ਕਿਸੇ ਵਾਧੂ ਮਾਰਕਅੱਪ ਬਦਲਾਅ ਦੀ ਲੋੜ ਨਹੀਂ।

ਹਾਂ। WordPress, Webflow, Ghost, Notion (ਐਮਬੈੱਡ ਵਜੋਂ), Confluence, GitBook ਜਾਂ ਆਪਣੀ ਕਸਟਮ ਸਟੈਟਿਕ ਸਾਈਟ ਵਿੱਚ ਪੇਸਟ ਕਰੋ — ਮਾਰਕਅੱਪ ਨਿਰਭਰਤਾ-ਮੁਕਤ ਹੈ, W3C HTML5 ਸਪੈੱਕ ਅਨੁਸਾਰ ਪ੍ਰਮਾਣਿਤ ਹੈ ਅਤੇ Chrome, Safari, Firefox ਅਤੇ Edge ਵਿੱਚ ਇੱਕੋ ਜਿਹਾ ਰੈਂਡਰ ਹੁੰਦਾ ਹੈ। ਤੁਹਾਡੀ ਪਸੰਦ ਅਨੁਸਾਰ ਤਸਵੀਰਾਂ ਨੂੰ base64 ਵਜੋਂ ਇਨਲਾਈਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਾਂ ਵੱਖਰੀਆਂ ਫਾਈਲਾਂ ਵਜੋਂ ਕੱਢਿਆ ਜਾਂਦਾ ਹੈ।

ਹਾਂ। ਸਿਰਫ਼-ਤਸਵੀਰ ਵਾਲੀਆਂ PDF OCR ਇੰਜਣ ਨੂੰ ਚਾਲੂ ਕਰਦੀਆਂ ਹਨ, ਜੋ HTML ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਟੈਕਸਟ ਕੱਢਦਾ ਹੈ ਅਤੇ ਲੇਆਉਟ ਮੁੜ-ਬਣਾਉਂਦਾ ਹੈ। ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਪੁਰਾਣੇ ਸਕੈਨ ਕੀਤੇ ਵ੍ਹਾਈਟਪੇਪਰ, ਫੋਟੋ ਖਿੱਚੀਆਂ ਰਿਪੋਰਟਾਂ ਅਤੇ ਫੈਕਸ-ਬੈਕ ਦਸਤਾਵੇਜ਼ ਵੀ ਸਹੀ ਸਿਰਲੇਖਾਂ, ਪੈਰਿਆਂ ਅਤੇ ਲਿੰਕਾਂ ਨਾਲ ਆਧੁਨਿਕ ਰਿਸਪਾਂਸਿਵ ਵੈਬ ਪੰਨਿਆਂ ਵਜੋਂ ਮੁੜ-ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।

ਹਾਂ। ਐਮਬੈੱਡ ਕੀਤੀਆਂ ਤਸਵੀਰਾਂ ਨੂੰ ਕੱਢਿਆ ਜਾਂਦਾ ਹੈ, ਅਨੁਕੂਲ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ (ਸਮੱਗਰੀ ਅਨੁਸਾਰ WebP ਜਾਂ PNG), ਅਤੇ CLS-ਅਨੁਕੂਲ ਲੋਡਿੰਗ ਲਈ ਚੌੜਾਈ ਅਤੇ ਉਚਾਈ ਗੁਣਾਂ ਨਾਲ <img> ਟੈਗਾਂ ਰਾਹੀਂ ਹਵਾਲਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਵੈਕਟਰ ਚਾਰਟ ਰਾਸਟਰ ਵਿੱਚ ਫਲੈਟ ਹੋ ਸਕਦੇ ਹਨ — ਪੂਰੀ ਵੈਕਟਰ ਵਫ਼ਾਦਾਰੀ ਲਈ, PDF to Images ਵਰਤੋ ਅਤੇ SVG ਰੈਂਡੀਸ਼ਨਾਂ ਨੂੰ ਖੁਦ ਐਮਬੈੱਡ ਕਰੋ।

ਅੱਪਲੋਡ ਕੁਝ ਮਿੰਟਾਂ ਵਿੱਚ ਮਿਟਾ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ, ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਕਦੇ ਨਹੀਂ ਵਰਤੇ ਜਾਂਦੇ, ਕਦੇ ਸਾਂਝੇ ਨਹੀਂ ਕੀਤੇ ਜਾਂਦੇ। HTML ਆਉਟਪੁੱਟ ਵਿੱਚ ਕੋਈ ਵਾਟਰਮਾਰਕ ਨਹੀਂ, ਕੋਈ ਐਟ੍ਰੀਬਿਊਸ਼ਨ ਟਿੱਪਣੀ ਨਹੀਂ, ਕੋਈ ਟ੍ਰੈਕਿੰਗ ਪਿਕਸਲ ਨਹੀਂ ਹੁੰਦਾ। ਏਜੰਸੀਆਂ ਅਤੇ ਅੰਦਰੂਨੀ ਟੀਮਾਂ ਇਸ ਟੂਲ ਨੂੰ ਪੁਰਾਣੇ PDF ਨੂੰ ਆਧੁਨਿਕ CMS ਸਾਈਟਾਂ ਵਿੱਚ ਬਿਨਾਂ ਕਿਸੇ ਲਾਇਸੈਂਸਿੰਗ ਜਾਂ ਗੁਪਤਤਾ ਚਿੰਤਾ ਦੇ ਮਾਈਗ੍ਰੇਟ ਕਰਨ ਲਈ ਵਰਤਦੀਆਂ ਹਨ।

ਪ੍ਰੀਵਿਊ ਦੇ ਕੋਲ Engine ਕੰਟਰੋਲ ਗਰੁੱਪ ਖੋਲ੍ਹੋ, Default, Engine 1 ਜਾਂ Engine 2 ਚੁਣੋ, ਫਿਰ ਇਸ ਦੇ ਹੇਠਲੇ ਖੋਜਣਯੋਗ Language ਚੋਣਕਾਰ ਤੋਂ ਦਸਤਾਵੇਜ਼ ਦੀ ਭਾਸ਼ਾ ਚੁਣੋ — ਗ਼ੈਰ-ਲਾਤੀਨੀ ਸਕ੍ਰਿਪਟਾਂ ਸਮੇਤ, 100 ਤੋਂ ਵੱਧ ਭਾਸ਼ਾਵਾਂ ਸਮਰਥਿਤ ਹਨ। ਕਿਸੇ ਵੀ ਸੈਟਿੰਗ ਨੂੰ ਬਦਲਣ ਤੋਂ ਬਾਅਦ, ਨਵੇਂ OCR ਪਾਸ ਨਾਲ HTML ਦੁਬਾਰਾ ਬਣਾਉਣ ਲਈ Re-run extraction ਕਲਿੱਕ ਕਰੋ।

ਆਮ ਲਾਤੀਨੀ-ਲਿਪੀ ਭਾਸ਼ਾਵਾਂ ਲਈ Default ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ — ਇਹ ਰੋਜ਼ਾਨਾ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਸਭ ਤੋਂ ਤੇਜ਼ ਅਤੇ ਸਹੀ ਹੈ। ਘੱਟ ਆਮ ਲਿਪੀਆਂ (ਅਰਬੀ, ਹਿੰਦੀ, ਚੀਨੀ) ਲਈ ਜਾਂ ਜਦੋਂ Default ਸਿਰਲੇਖ ਅਤੇ ਟੇਬਲ ਗੜਬੜ ਕਰੇ, ਤਾਂ Engine 1 ਜਾਂ Engine 2 ਉੱਤੇ ਜਾਓ, ਮੇਲ ਖਾਂਦੀ Language ਸੈੱਟ ਕਰੋ, ਫਿਰ ਦੁਬਾਰਾ-ਕੱਢਣ ਕਰੋ — ਵੱਖ-ਵੱਖ ਇੰਜਣ ਵੱਖ-ਵੱਖ ਲਿਪੀਆਂ ਵਿੱਚ ਮਾਹਰ ਹਨ, ਇਸ ਲਈ ਦੋਵੇਂ ਅਜ਼ਮਾਉਣ ਵਿੱਚ ਕੁਝ ਸਕਿੰਟ ਲੱਗਦੇ ਹਨ ਤੇ ਅਕਸਰ ਗ਼ਲਤ ਪੜ੍ਹੇ ਲਹਿਜ਼ੇ ਵਾਲੇ ਅੱਖਰ ਠੀਕ ਕਰ ਦਿੰਦੇ ਹਨ।

ਹਾਂ — ਆਊਟਪੁੱਟ ਪੈਨਲ ਇੱਕ ਲਾਈਵ ਰੈਂਡਰ ਕੀਤੇ ਪ੍ਰੀਵਿਊ ਦੇ ਨਾਲ ਇੱਕ ਸੋਧਣਯੋਗ ਕੋਡ ਬਾਕਸ ਦਿਖਾਉਂਦਾ ਹੈ, ਇਸ ਲਈ ਸੁਧਾਰ ਟਾਈਪ ਕਰਨ ਨਾਲ (ਬੇਲੋੜਾ ਟੈਗ ਹਟਾਉਣਾ, ਹੈਡਿੰਗ ਪੱਧਰ ਅਡਜਸਟ ਕਰਨਾ, ਇਨਲਾਈਨ ਟੈਕਸਟ ਬਦਲਣਾ) ਪ੍ਰੀਵਿਊ ਪੈਨ ਤੁਰੰਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦਾ ਹੈ। ਆਪਣੇ ਸਾਰੇ ਸੁਧਾਰ ਉੱਥੇ ਹੀ ਕਰੋ ਡਾਊਨਲੋਡ ਜਾਂ ਕਾਪੀ ਦਬਾਉਣ ਤੋਂ ਪਹਿਲਾਂ, ਕਿਉਂਕਿ ਦੋਵੇਂ ਕਾਰਵਾਈਆਂ ਉਹੀ ਵਰਤਦੀਆਂ ਹਨ ਜੋ ਇਸ ਵੇਲੇ ਕੋਡ ਬਾਕਸ ਵਿੱਚ ਹੈ, ਨਾ ਕਿ ਮੂਲ OCR ਆਊਟਪੁੱਟ।

ਆਊਟਪੁੱਟ ਪੈਨਲ ਦੇ ਉੱਪਰ Copy HTML ਕਲਿੱਕ ਕਰੋ — ਇਹ ਸੰਪਾਦਨਯੋਗ ਕੋਡ ਬਾਕਸ ਵਿੱਚ ਬਿਲਕੁਲ ਜੋ ਹੈ ਉਹ, ਤੁਹਾਡੇ ਵੱਲੋਂ ਕੀਤੇ ਕਿਸੇ ਵੀ ਹੱਥੀਂ ਸੰਪਾਦਨ ਸਮੇਤ, ਤੁਹਾਡੇ ਕਲਿੱਪਬੋਰਡ ਵਿੱਚ ਕਾਪੀ ਕਰਦਾ ਹੈ ਅਤੇ ਪੁਸ਼ਟੀ ਲਈ ਥੋੜ੍ਹੀ ਦੇਰ 'Copied!' ਦਿਖਾਉਂਦਾ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਫ਼ਾਈਲ ਅੱਪਲੋਡ ਕਰਨ ਦੀ ਬਜਾਏ ਸਿੱਧਾ ਕਿਸੇ CMS ਦੇ HTML ਜਾਂ ਇੰਬੈੱਡ ਬਲਾਕ ਵਿੱਚ ਚਿਪਕਾ ਰਹੇ ਹੋ ਤਾਂ ਇਹ ਸਭ ਤੋਂ ਤੇਜ਼ ਰਾਹ ਹੈ।

ਤੁਸੀਂ ਖਾਤਾ ਬਣਾਏ ਬਿਨਾਂ ਇੱਕ PDF ਨੂੰ HTML ਵਿੱਚ ਬਦਲ ਸਕਦੇ ਹੋ। ਸਾਈਨ-ਇਨ ਕੀਤੇ ਮੁਫ਼ਤ ਖਾਤਿਆਂ ਨੂੰ ਪਰਿਵਰਤਨਾਂ ਦਾ ਇੱਕ ਰੋਜ਼ਾਨਾ ਭੱਤਾ ਮਿਲਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਨੇੜੇ ਹੋਣ 'ਤੇ ਇੱਕ ਛੋਟਾ usage meter ਦਿਸਦਾ ਹੈ, ਕਿਉਂਕਿ ਸਕੈਨ ਕੀਤੇ PDF ਪੰਨੇ OCR ਰਾਹੀਂ ਜਾਂਦੇ ਹਨ — Premium ਖਾਤੇ ਕੋਈ ਸੀਮਾ ਨਹੀਂ ਵੇਖਦੇ।

ਨਹੀਂ — ਟੂਲ ਵਿੱਚ ਇਸ ਲਈ ਕੋਈ ਸੈਟਿੰਗ ਨਹੀਂ ਹੈ; ਆਊਟਪੁੱਟ HTML ਵਿੱਚ ਚਿੱਤਰ ਕਿਵੇਂ ਸ਼ਾਮਲ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਇਹ ਆਪਣੇ ਆਪ ਤੈਅ ਹੁੰਦਾ ਹੈ ਅਤੇ UI ਵਿੱਚ ਬਦਲਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ, ਕੁਝ ਸਾਈਟ ਕਾਪੀ ਜੋ ਵੀ ਸੁਝਾਵੇ। ਜੇ ਤੁਹਾਨੂੰ ਕਿਸੇ CMS ਮੀਡੀਆ ਲਾਇਬ੍ਰੇਰੀ ਲਈ ਸੁਤੰਤਰ ਚਿੱਤਰ ਫ਼ਾਈਲਾਂ ਚਾਹੀਦੀਆਂ ਹਨ, ਤਾਂ ਇਸ ਦੀ ਬਜਾਏ ਪੰਨਿਆਂ ਨੂੰ PDF to Images ਨਾਲ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਐਕਸਪੋਰਟ ਕਰੋ, ਜੋ ਤੁਹਾਡੀ ਪਸੰਦ ਦੇ 150, 200 ਜਾਂ 300 DPI 'ਤੇ PNG ਜਾਂ JPG ਆਊਟਪੁੱਟ ਕਰਦਾ ਹੈ — SVG ਨਹੀਂ।