Extract text from images — free

Konwerter odtwarza logiczną strukturę dokumentu — nagłówki, akapity, listy, prawdziwe elementy <table>, linki i obrazy — zamiast jedynie przypinać każdy znak do współrzędnych X/Y, jak robią to niektóre przeglądarki PDF. Wynik dostosowuje się do urządzeń mobilnych, dobrze indeksuje się pod kątem SEO i jest od razu dostępny dla czytników ekranu.

Tak. Tabele stają się standardowymi elementami <table>, <thead>, <tbody>, <tr>, <th> i <td> z właściwymi atrybutami scope w komórkach nagłówka. Dzięki temu są przyjazne dla czytników ekranu, przeszukiwalne i łatwe do stylizowania za pomocą Bootstrap, Tailwind lub istniejącego frameworka CSS — bez potrzeby dodatkowej transformacji kodu.

Tak. Wklej do WordPress, Webflow, Ghost, Notion (jako osadzenie), Confluence, GitBook lub własnej witryny statycznej — kod nie ma zależności, jest zgodny ze specyfikacją W3C HTML5 i renderuje się identycznie w Chrome, Safari, Firefox i Edge. Obrazy są osadzane jako base64 lub wyodrębniane jako osobne pliki, w zależności od Twoich preferencji.

Tak. Pliki PDF zawierające wyłącznie obrazy uruchamiają silnik OCR, który wyodrębnia tekst i odtwarza układ przed wygenerowaniem kodu HTML. Oznacza to, że nawet stare zeskanowane dokumenty branżowe, sfotografowane raporty i przesłane faksem dokumenty można ponownie opublikować jako nowoczesne, responsywne strony internetowe z właściwymi nagłówkami, akapitami i linkami.

Tak. Osadzone obrazy są wyodrębniane, optymalizowane (WebP lub PNG w zależności od zawartości) i odwoływane za pomocą znaczników <img> z ustawionymi atrybutami szerokości i wysokości, co zapewnia ładowanie przyjazne dla CLS. Wykresy wektorowe mogą zostać spłaszczone do rastra — aby zachować pełną wierność wektorów, użyj funkcji PDF na obrazy i osadź renderowania SVG ręcznie.

Wgrane pliki są usuwane w ciągu kilku minut, nigdy nie służą do trenowania modeli ani nie są udostępniane. Wynik w formacie HTML nie zawiera znaku wodnego, komentarza z atrybucją ani piksela śledzącego. Agencje i zespoły wewnętrzne wykorzystują narzędzie do migracji starszych plików PDF na nowoczesne strony CMS bez żadnych obaw o licencje czy prywatność.

Otwórz grupę sterowania Silnikiem obok podglądu, wybierz Domyślny, Silnik 1 lub Silnik 2, a następnie wybierz język dokumentu z przeszukiwalnego selektora Języka poniżej — obsługiwanych jest ponad 100 języków, w tym pisma niełacińskie. Po zmianie któregokolwiek ustawienia kliknij Uruchom ponownie ekstrakcję, aby wygenerować na nowo HTML z nowym przebiegiem OCR.

Zacznij od ustawienia Domyślny dla popularnych języków w alfabecie łacińskim — jest najszybszy i najdokładniejszy dla codziennych dokumentów. Dla mniej popularnych pism (arabskie, hindi, chińskie) lub gdy Domyślny zniekształca nagłówki i tabele, przełącz się na Silnik 1 lub Silnik 2, ustaw odpowiedni język, a następnie uruchom ponownie ekstrakcję — różne silniki specjalizują się w różnych pismach, więc wypróbowanie obu zajmuje kilka sekund i często naprawia błędnie odczytane znaki diakrytyczne.

Tak — panel wyjścia pokazuje edytowalne pole kodu obok wyrenderowanego na żywo podglądu, więc wpisanie poprawki (usunięcie zbłąkanego tagu, dostosowanie poziomu nagłówka, zmiana tekstu w wierszu) natychmiast aktualizuje panel podglądu. Nanieś tam wszystkie poprawki przed kliknięciem pobierania lub kopiowania, ponieważ obie akcje korzystają z tego, co aktualnie jest w polu kodu, a nie z pierwotnego wyniku OCR.

Kliknij Copy HTML nad panelem wyniku — spowoduje to skopiowanie do schowka dokładnie tego, co znajduje się w edytowalnym polu kodu, wraz z wszelkimi ręcznymi zmianami, i na chwilę wyświetli komunikat „Copied!” dla potwierdzenia. To najszybsza droga, gdy wklejasz treść prosto do bloku HTML lub osadzania w CMS zamiast przesyłać plik.

Możesz konwertować plik PDF na HTML bez zakładania konta. Zalogowane konta darmowe otrzymują dzienny limit konwersji i widzą mały wskaźnik użycia, gdy się do niego zbliżą, ponieważ zeskanowane strony PDF przechodzą przez OCR — konta Premium nie widzą żadnego limitu.

Nie — w narzędziu nie ma dla tego ustawienia; sposób osadzania obrazów w wynikowym HTML jest ustalany automatycznie i nie da się go przełączyć w interfejsie, niezależnie od tego, co sugerują niektóre teksty na stronie. Jeśli potrzebujesz samodzielnych plików obrazów do biblioteki mediów CMS, wyeksportuj strony osobno za pomocą PDF na Obrazy, które zwraca PNG lub JPG — nie SVG — w wybranej rozdzielczości 150, 200 lub 300 DPI.