Skan edilmiş PDF-i mətnə çevirmək
PDF-də bir sözü belə seçə bilmirsinizsə, bu, skandır: içində mətn olmayan səhifə şəkilləri toplusu. Onu buraya yükləyin, OCR hər səhifəni oxuyaraq kopyalaya, axtara və redaktə edə biləcəyiniz sadə mətnə çevirəcək.
Şəkildən mətnə
və ya PDF, JPG, JPEG … faylları bura sürüşdürün ·
Hər fayl üçün maks. 95 MB· 20 fayla qədər· 30 dəqiqədən sonra silinir
Fayllar serverlərimizdə emal olunur və 30 dəqiqədən sonra silinir.
İki dilin qarışdığı səhifələr üçün, məsələn, ingilis sözləri olan hind mətni. Əks halda "Yoxdur" qoyun; əlavə dil dəqiqliyi bir qədər azaldır.
Saxla rejimi sütunları, abzasları və cədvəlləri yerində saxlayır. Sadə rejim vahid mətn bloku verir, formalara yapışdırmaq daha asandır.
PDF və çoxsəhifəli TIFF girişi: bütün səhifələri, yalnız birincini və ya aralığı oxuyun.
Oxunacaq səhifələr, məsələn, 1-3, 5, 8-10.
Bu alətdən necə istifadə etməli
- 1
Skan edilmiş PDF-i yükləyin
PDF faylı və ya ən çoxu 20 fayl əlavə edin, hər biri 95 MB-a qədər ola bilər. Çoxsəhifəli TIFF skanlar və tək səhifəli şəkillər də işləyir.
- 2
Dili və səhifələri seçin
Sənədin dili ingilis dilidir, Nəticə isə Sadə mətn (.txt) seçilib. Digər sənədlər üçün dili dəyişin, uzun faylın yalnız bir hissəsini oxumaq üçün Əlavə ayarlar bölməsində Səhifələr seçimindən istifadə edin.
- 3
Mətni tanıdın
Mətni tanı düyməsinə basın. Səhifələr əvvəlcə düzəldilib dikləşdirilir, sonra ardıcıllıqla oxunub bir mətn faylına yazılır.
Skan PDF və axtarıla bilən PDF: mətn niyə yoxdur
- Yalnız şəkildən ibarət PDFskan edilmiş PDF · axtarışa uyğun olmayan PDF · düz PDF
- Səhifələri şəkil kimi saxlanılan PDF; adətən skaner, printerin skanı e-poçta göndərmə funksiyası və ya telefon skan tətbiqi yaradır. Sənəd kimi görünür, lakin daxilində simvol kodları yoxdur, buna görə heç nəyi seçmək, axtarmaq və ya səsləndirmək olmur.
Word-dən və ya brauzerdən ixrac edilmiş adi PDF mətn obyektləri ehtiva edir: hər söz şrift və mövqe ilə simvollar kimi saxlanılır, buna görə axtarış və kopyalama işləyir. Skaner bunların hamısını atlayıb hər səhifə üçün bir şəkil saxlayır. Kompüter üçün müqaviləniz olan səhifə pişik şəkli ilə eyni tip verilənlərdir.
OCR çatışmayan qatı bərpa edir. Səhifə şəkli təmizlənir, sətirlər və sözlər tapılır, hər simvolun forması seçilmiş Sənədin dili əlifbası ilə müqayisə edilir. Bu səhifə nəticəni sadə mətn kimi qaytarır. Axtarışa uyğun PDF digər geniş yayılmış nəticədir: skan görünür qalır, tanınmış sözlər isə onun arxasına görünməz mətn kimi əlavə olunur; bu, PDF standartı ISO 32000-in həmişə icazə verdiyi göstərmə rejimidir.
Pulsuz Adobe Acrobat Reader skanı göstərə bilir, lakin OCR aparmır; tanıma ödənişli Acrobat versiyalarının tərkibindədir. Sözlər bir dəfəlik lazımdırsa və başqa abunə istəmirsinizsə, çevirici qısa yoldur. Skanlarınız hələ də zəif çıxırsa, sənədləri PDF-ə necə skan etmək olar bələdçimiz skaner və telefon ayarlarını izah edir.
Skan edilmiş PDF-dən mətn çıxarmaq üçün skan ayırdetmə qabiliyyəti
| Size | Pixels | cm | in | DPI | Fits |
|---|---|---|---|---|---|
| Letter | 1700 × 2200 | 21,59 × 27,94 | 8,5 × 11 | 200 | Yalnız iri təmiz çap üçün; xırda mətn təxmin edilir |
| Letter | 2550 × 3300 | 21,59 × 27,94 | 8,5 × 11 | 300 | Çap səhifələrinin OCR-ı üçün standart |
| A4 | 2480 × 3508 | 21 × 29,7 | 8,27 × 11,69 | 300 | A4 kağızında eyni detal |
| A4 | 3307 × 4677 | 21 × 29,7 | 8,27 × 11,69 | 400 | İzahatlar, xırda şrift, köhnə yazı makinası səhifələri |
Skan PDF-dən mətnə çevirmə nəticəsi nə vaxt pis alınır
Bütün səhifədə sözlər mənasız çıxır
Səhifə yəqin ki, başqa dildə və ya əlifbadadır. Sənədin dili seçimini ona uyğun təyin edin, eyni səhifədəki ikinci dil üçün Bunu da tanı əlavə edin.
Sətirlər cümlənin ortasında qırılır, sözlər defislə bitir
Bu, çapdakı sətir qırılmalarına uyğundur. Fasiləsiz mətn bloku üçün Mətnin düzülüşü altında Sadə mətn axını seçin; qalan defislər üçün tez tap və əvəz et lazımdır.
Bəzi səhifələr mətn faylında yoxdur
Əlavə ayarlar altında Səhifələr seçiminin Bütün səhifələr olduğunu yoxlayın. 1-3 kimi aralıq tanımanı qəsdən məhdudlaşdırır.
Portable Document Format
PDF 1993-cü ildə Adobe tərəfindən yaradılıb və 2008-ci ildə açıq ISO 32000 standartı olub. Mətni, şriftləri, təsvirləri və düzümü sabitləyir ki, sənəd hər ekranda və printerdə eyni görünsün. PDF-lər formalar, imzalar, keçidlər, əlavələr və axtarıla bilən mətn ehtiva edə bilər, PDF/A variantı isə uzunmüddətli arxivləşdirmə üçün istifadə olunur. Sabit düzüm PDF-ləri redaktə etməyi çətinləşdirir, skan edilmiş PDF-lərdə isə OCR tətbiq edilmədikcə yalnız təsvirlər olur. Hər brauzer və əməliyyat sistemi onları aça bilir.
- Sıxılma
- –
- Şəffaflıq
- Bəli
- Animasiya
- Xeyr
- İlk dəfə təqdim edilib
- 1993 · Adobe
TXT
Sadə mətn
TXT faylı yalnız sadə simvollardan ibarətdir; formatlama, şrift, şəkil və ya səhifə düzümü yoxdur. Müasir mətn faylları adətən bütün dilləri əhatə edən UTF-8 ilə kodlanır, köhnə fayllar isə başqa kodlaşdırmalardan istifadə edib qarışıq simvollar göstərə bilər. Sadə mətn çox kiçikdir, köhnəlmir və telefonlardan serverlərə qədər hər cihazda açılır. Qalın mətn, cədvəl və ya şəkil saxlaya bilmir, ona görə quruluş boşluqlarla və ya sadə işarələmə ilə ifadə olunmalıdır.
- Sıxılma
- –
- Şəffaflıq
- –
- Animasiya
- –
- İlk dəfə təqdim edilib
- –
Skan edilmiş PDF səhifələrin şəkillərini saxlayır, buna görə sözləri kopyalamaq, axtarmaq və indeksləmək olmur; onları TXT faylına tanımaq skanı redaktorda, tərcüməçidə və ya axtarış xanasında işləyən mətnə çevirir.
Skan edilmiş PDF-i mətnə çevirmək haqqında suallar
PDF-in skan olduğunu, yoxsa artıq mətn ehtiva etdiyini necə bilmək olar?
Bir cümləni seçməyə və ya Ctrl+F ya da Command+F ilə söz axtarmağa çalışın. Kursor bütün səhifəni şəkil kimi seçirsə və axtarış heç nə tapmırsa, bu yalnız şəkildən ibarət skandır və OCR tələb edir. Sözlər normal şəkildə seçilirsə, mətn artıq mövcuddur və PDF-dən TXT-yə onu tanıma mərhələsi olmadan dəqiq çıxarır.
Sadə mətn, yoxsa axtarıla bilən PDF — hansı nəticə daha yaxşıdır?
Sadə mətn sözləri təkrar istifadə etmək üçündür: sitat gətirmək, tərcümə etmək, verilənlər bazasına və ya e-poçta yapışdırmaq. Axtarışa uyğun PDF skanın görünüşünü saxlayır, mətni isə arxasında gizlədir; bu, arxivlər və müqavilələr üçün uyğundur. İkincisini istəyirsinizsə, OCR PDF məhz bunun üçün hazırlanıb.
PDF-dən ən yaxşı mətn üçün hansı skan ayırdetmə qabiliyyəti lazımdır?
Adi çap səhifələri üçün 300 DPI. Tesseract sənədləşməsi 300 DPI-də təxminən 10 pt-dən kiçik mətnlərdə dəqiqliyin azaldığını bildirir, buna görə izahatlar və xırda şrift üçün 400 DPI daha yaxşıdır. 600 DPI OCR-a nadir hallarda kömək edir və PDF-i bir neçə dəfə böyüdür.
Makinada yazılmış və ya köhnə kitab səhifəsinin skan PDF-indən mətn çıxarmaq olarmı?
Adətən bəli. Yazı makinası və kitab şrifti adi çap hərfləridir, Səhifələri düzəlt isə cildlənmiş kitabı skan edərkən yaranan əyriliyi düzəldir. Çox solmuş səhifələr Kontrastı artır aktiv olanda daha yaxşı oxunur.
İki sütunlu səhifədən çıxan mətn niyə qarışıq alınır?
Mətnin düzülüşü Düzülüşü saxla seçimində olduqda sütunlar ayrı saxlanılır, burada standart belədir. Hər iki sütunun sətirləri hələ də növbələşirsə, skanda aralarındakı boşluq dardır; səhifələri düz olan daha təmiz skan adətən bunu həll edir.
- PDF OCRSkan edilmiş PDF-ə axtarılan və seçilən mətn qatı əlavə edin və ya mətni Word ya TXT-yə çıxarın. 34 dil, səhifə aralığı, 20 fayl, pulsuz.
- PDF-i TXT-yə çevirməkPDF-i TXT-yə pulsuz onlayn çevirin. Rəqəmsal səhifələr simvolları dəqiq saxlayır, skanlar OCR-dan keçir, hər PDF üçün bir UTF-8 .txt faylı.
- Onlayn OCRFoto, ekran şəkli və skan PDF üçün pulsuz onlayn OCR. Mətni kopyalayın və ya Word, axtarışlı PDF, Markdown kimi saxlayın. OCR-ın imkanları və hədləri.
- PDF-i Word-ə çevirməkPDF-i redaktə edilə bilən Word-ə çevirin. Mətn adi abzaslara düzülür, skanlar 34 dildə OCR ilə oxunur, eyni anda 20 fayla qədər.
- Şəkli Word-ə çevirməkSkrinşot, skan və fotoları redaktə edilən Word sənədinə çevirin. 34 dil, qarışıq dilli səhifələr və səliqəli əlyazma. Pulsuz, qeydiyyatsız.