OCR PDF
Omdan scannede dokumenter til søgbare, kopierbare PDF'er. Værktøjet bruger Tesseract OCR til at genkende tekst i billeder og lægger et usynligt tekstlag oven på de oprindelige sider, så det visuelle udseende bevares, mens indholdet bliver fuldt søgbart.
Sådan fungerer det
- Upload en scannet PDF eller en billedbaseret PDF-fil.
- Vælg et eller flere sprog, der findes i dokumentet, i den søgbare sprogliste.
- Juster eventuelt avancerede indstillinger (opløsning, binarisering, whitelist).
- Klik på Start OCR, og følg fremdriften i statuslinjen i realtid.
- Når det er færdigt, kan du gennemgå den udtrukne tekst og derefter downloade den søgbare PDF eller en almindelig
.txt-fil.
Funktioner
- OCR på flere sprog med en søgbar sprogvælger
- Usynligt tekstlag bevarer dokumentets oprindelige udseende
- Statuslinje og logoutput i realtid under behandlingen
- Download resultater som søgbar PDF eller almindelig tekstfil
- Kopiér udtrukket tekst direkte til udklipsholderen
- Tre opløsningsniveauer til at afveje hastighed mod nøjagtighed
Indstillinger
| Indstilling | Værdier | Standard | Formål |
|---|---|---|---|
| Opløsning | Standard (192 DPI), Høj (288 DPI), Ultra (384 DPI) | Høj | Højere opløsning forbedrer nøjagtigheden på lille tekst, men tager længere tid |
| Binarisér billede | Til / Fra | Fra | Forbedrer kontrasten for rene scanninger ved at konvertere til sort og hvid |
| Forudindstilling for tegn-whitelist | Ingen, Alfanumerisk, Tal + valuta, Kun bogstaver, Kun tal, Faktura, Formularer, Brugerdefineret | Ingen | Begrænser genkendte tegn for at forbedre nøjagtigheden for bestemte dokumenttyper |
| Tegn-whitelist | Fri tekst | Tom | Manuelt tegnsæt, når forudindstillingen er sat til Brugerdefineret |
Anvendelsesområder
- Gør scannede kontrakter og fakturaer søgbare, så du kan bruge Ctrl+F i dem
- Udtrækning af tekst fra fotograferede dokumenter eller gamle papirarkiver
- Behandling af kvitteringer med forudindstillingen Faktura for nøjagtigt at fange beløb og datoer
- Oprettelse af tilgængelige PDF'er fra scanninger, der kun består af billeder, til compliancekrav
- Batchudtrækning af tekstindhold fra scannede bøger eller manualer
Tips
- Vælg flere sprog, hvis dit dokument indeholder tekst på blandede sprog (f.eks. engelske overskrifter med japansk brødtekst).
- Brug binariseringsindstillingen til dokumenter med falmet tekst eller lav kontrast. Den kan forbedre genkendelsesnøjagtigheden markant.
- Forudindstillingerne Faktura og Formularer reducerer falske positiver kraftigt på strukturerede dokumenter ved at ignorere irrelevante tegnformer.