OCR PDF
Перетворюйте скановані документи на PDF з пошуком і копіюванням. Інструмент використовує Tesseract OCR для розпізнавання тексту на зображеннях і накладає невидимий текстовий шар поверх оригінальних сторінок, зберігаючи їхній вигляд і роблячи вміст повністю придатним для пошуку.
Як це працює
- Завантажте відсканований PDF або PDF із зображень.
- Оберіть одну чи кілька мов, присутніх у документі, у списку мов із пошуком.
- За потреби налаштуйте розширені параметри (роздільна здатність, бінаризація, білий список).
- Натисніть Почати OCR і стежте за прогресом на індикаторі в реальному часі.
- Після завершення перегляньте витягнутий текст, а потім завантажте PDF із пошуком або простий файл
.txt.
Можливості
- OCR кількома мовами з вибором мови за допомогою пошуку
- Невидимий текстовий шар зберігає оригінальний вигляд документа
- Індикатор прогресу та журнал у реальному часі під час обробки
- Завантаження результатів як PDF із пошуком або простого текстового файлу
- Копіювання витягнутого тексту прямо в буфер обміну
- Три рівні роздільної здатності для балансу між швидкістю та точністю
Параметри
| Налаштування | Значення | За замовчуванням | Призначення |
|---|---|---|---|
| Роздільна здатність | Стандартна (192 DPI), Висока (288 DPI), Ультра (384 DPI) | Висока | Вища роздільна здатність підвищує точність на дрібному тексті, але потребує більше часу |
| Бінаризація зображення | Увімк. / Вимк. | Вимк. | Підвищує контраст чистих сканів, перетворюючи їх на чорно-білі |
| Набір білого списку символів | Немає, Буквено-цифровий, Числа + валюта, Лише літери, Лише числа, Рахунок, Форми, Власний | Немає | Обмежує розпізнавані символи для підвищення точності для певних типів документів |
| Білий список символів | Довільний текст | Порожньо | Ручний набір символів, коли набір має значення «Власний» |
Сценарії використання
- Перетворення сканованих контрактів і рахунків на документи з пошуком, щоб шукати в них через Ctrl+F
- Витягування тексту із сфотографованих документів чи старих паперових записів
- Обробка чеків за допомогою набору «Рахунок» для точного розпізнавання сум і дат
- Створення доступних PDF зі сканів без тексту для виконання вимог відповідності
- Пакетне витягування текстового вмісту зі сканованих книг чи посібників
Поради
- Оберіть кілька мов, якщо документ містить текст різними мовами (наприклад, англійські заголовки та японський основний текст).
- Використовуйте бінаризацію для документів зі зблідлим або малоконтрастним текстом: вона може значно підвищити точність розпізнавання.
- Набори білого списку «Рахунок» і «Форми» різко зменшують кількість хибних спрацювань на структурованих документах, ігноруючи невідповідні форми символів.