PDF OCR – szövegfelismerés
A szkennelt PDF szövegnek látszik, de fényképként viselkedik: nem lehet benne keresni, mondatot kijelölni, és a képernyőolvasó sem tudja felolvasni. Az OCR minden oldal mögé odateszi a hiányzó szöveget, így a fájl kereshetővé válik, miközben pontosan ugyanúgy néz ki, mint a szkennelt eredeti.
Kép szöveggé
vagy húzza ide a(z) PDF, JPG, JPEG … fájlok fájlokat ·
Legfeljebb 95 MB fájlonként· Legfeljebb 20 fájl· Törlés 30 perc után
A fájlokat szervereinken dolgozzuk fel, és 30 perc után töröljük.
Két nyelvet keverő oldalakhoz, pl. hindi angol szavakkal. Egyébként hagyja a Nincs értéken; egy további nyelv kissé rontja a pontosságot.
A megőrzés az oszlopokat, bekezdéseket és táblázatokat a helyükön hagyja. Az egyszerű egyetlen folyamatos szövegblokkot ad, amelyet könnyebb űrlapokba másolni.
PDF és többoldalas TIFF bemenetnél: minden oldal, csak az első vagy egy tartomány olvasása.
A beolvasandó oldalak, pl. 1-3, 5, 8-10.
Az eszköz használata
- 1
Töltse fel a szkennelt PDF-et
Húzzon be legfeljebb 20 PDF-et, egyenként legfeljebb 95 MB méretig. Képfájlok, például JPG vagy TIFF is működnek.
- 2
Válassza ki a nyelvet és az oldalakat
A Kimenet beállítása Kereshető PDF. Válassza ki a Dokumentum nyelve értékét, hosszú fájlnál pedig az Oldalak alatt válassza az Oldaltartomány lehetőséget, ha csak egy részre van szüksége.
- 3
Szövegfelismerés és keresés
Nyomja meg a Szövegfelismerés gombot, töltse le a PDF-et, majd próbálja ki a Ctrl+F billentyűkombinációt (Macen Cmd+F) bármelyik PDF-megjelenítőben.
A PDF-ek OCR-ezése két különböző feladatot jelenthet: a szkennelés megtartását egy rejtett szövegréteggel kiegészítve, vagy a szöveg kinyerését egy új dokumentumba. Ez az oldal alapból az elsőt végzi el, a másodikat pedig egyetlen beállítással.
Mit tartalmaz valójában egy kereshető PDF
A kereshető PDF, más néven kép plusz szöveg, oldalanként két dolgot tárol: az eredeti szkennelést képként, és a felismert szöveg láthatatlan rétegét, amely pontosan a nyomtatott szavak fölé kerül. A megjelenítők kirajzolják a képet, a szöveget pedig keresésre, kijelölésre, másolásra és képernyőolvasókhoz használják. A megjelenés semmit sem változik, ezért az archívumok, ügyvédi irodák és irattárak ezt részesítik előnyben a szkennelt papíroknál.
A PDF 2008-ban az ISO 32000 nyílt szabvány lett, a PDF/A, az ISO 19005 szerinti archiválási profil pedig széles körben használatos olyan szkennelt iratoknál, amelyeknek évtizedekig olvashatónak kell maradniuk. Az Adobe Acrobat ugyanezt a Scan & OCR eszközzel kínálja, és sok irodai szkenner is tud „kereshető PDF” kimenetet; az itteni eredmény egy hagyományos PDF, amely bármelyik megjelenítőben megnyílik.
Szövegréteg hozzáadása vagy a szöveg kinyerése
Kereshető PDF
Minden oldalt úgy tart meg, ahogy beszkennelték, és láthatatlan szöveget ad mögé.
- Az eredetivel megegyezően néz ki
- Keresés, kijelölés és másolás bármelyik megjelenítőben
- Az aláírások, bélyegzők és fotók érintetlenek maradnak
Word (.docx)
A felismert szöveget bekezdésekként és táblázatokként építi újra egy új dokumentumban.
- Teljesen szerkeszthető
- Az elrendezés közelítő, nem pontos másolat
- A fotókat a Képek megtartása őrzi meg
Egyszerű szöveg vagy Markdown
Csak a szavak, olvasási sorrendben.
- A legkisebb kimenet
- Beilleszthető űrlapokba, jegyzetekbe és kódba
- Nincs elrendezés, amit rendbe kellene tenni
A kereshető PDF akkor a jó választás, ha maga a szkennelés az irat: aláírt megállapodás, tulajdoni lap, orvosi lelet. A többi kimenet a felismert szavakból új dokumentumot hoz létre, ami szerkesztéshez hasznos, de a másolat csak olyan jó, mint a felismerés. Ha egy már valódi szöveget tartalmazó PDF-ből szeretne Wordöt, használja a PDF Word-be eszközt, amely OCR nélkül olvassa a meglévő szöveget; ha csak a szavak kellenek, erre a szkennelt PDF szöveggé van kialakítva.
A szövegréteg alig növeli a fájlméretet, mert a szöveg parányi az oldalképekhez képest. Ha a szkennelés már eleve túl nagy volt egy feltöltési űrlaphoz, először futtassa le az OCR-t, majd tömörítse a PDF-et az űrlap által megengedett méretre.
PDF OCR online: nyelvek, oldalak és korlátok
- felismerési nyelv, a jobbról balra író írásrendszereket is beleértve
- 34
- PDF vagy kép kötegenként
- 20
- legnagyobb méret fájlonként
- 95 MB
- a feltöltések és az eredmények törléséig
- 30 perc
Kérdések a PDF OCR-ről
Honnan tudom, hogy egy PDF-hez kell-e OCR?
Nyissa meg, és próbáljon meg kijelölni egy szót, vagy keressen rá a Ctrl+F (Macen Cmd+F) kombinációval. Ha semmi sem világít ki, az oldal kép, és OCR-re van szüksége. A vegyes fájlok gyakoriak: például egy Wordben legépelt szerződés, amelynek végére beszkennelt, aláírt oldalakat fűztek.
Megváltoztatja az OCR a PDF megjelenését?
A Kereshető PDF kimenetnél nem. Az oldalkép a helyén marad, a felismert szöveg pedig láthatatlan, így a nyomtatás és a megjelenítés ugyanúgy néz ki. Az Oldalak kiegyenesítése és az Automatikus forgatás a ferde vagy oldalra fordított oldalt felállíthatja, ami általában kívánatos.
Lehet OCR-t futtatni egy hosszú PDF-nek csak néhány oldalán?
Igen. Állítsa az Oldalak értékét Oldaltartományra, és írja be az oldalakat, például 1-5, 12, 20-24. Hosszú szkennelésnél érezhetően gyorsabb, ha csak a szükséges oldalakat ismeri fel.
Fel tudja olvasni a képernyőolvasó a PDF-et OCR után?
Fel tudja olvasni a szöveget, amit egy csak képből álló szkennelésnél nem tud. A teljes akadálymentességhez címsorokat, olvasási sorrendet és alternatív szöveget jelölő címkék is kellenek, amelyeket az OCR nem ad hozzá, ezért az akadálymentességi előírásoknak megfelelő dokumentumokat utána ellenőrizze akadálymentesség-ellenőrzővel.
Mennyire boldogul az OCR a régi vagy fakult dokumentumokkal?
Gyengébben, mint a tiszta szkenneléseket. Halvány szövegnél kapcsolja be a Kontraszt javítása beállítást, és ha lehet, szkennelje újra 300 DPI-vel. A másolópapíros és a fénymásolatról készült másolatok mindig korrektúrázást igényelnek.
Ingyenes itt a PDF OCR?
Igen, nincs fiók és fizetési lépés. A fájlokat a feldolgozás után 30 perccel töröljük, a köztes lépésekről pedig a hogyan működik oldal ad leírást.
- Szkennelt PDF szöveggé alakításaNyerje ki a szöveget abból a szkennelt PDF-ből, amelyben semmit sem lehet kijelölni vagy keresni. Az OCR minden oldalt sima szöveggé alakít.
- PDF Word-be konvertálásPDF átalakítása szerkeszthető Word-dokumentummá. A szöveg normál bekezdésekbe rendeződik, szkennelt oldalakhoz OCR 34 nyelven, egyszerre 20 fájl.
- Online OCRIngyenes online OCR fotókhoz, képernyőképekhez és szkennelt PDF-ekhez. Másolja a szöveget, vagy mentse Word, kereshető PDF vagy Markdown formátumban.
- Kép Word-be konvertálásaKépernyőképek, szkennek és fotók átalakítása szerkeszthető Word-fájllá. 34 nyelv, vegyes nyelvű oldalak és kézírás. Ingyenes, regisztráció nélkül.
- PDF szöveggé alakításaNyerje ki a PDF szövegét tiszta UTF-8 szövegfájlként. A szkennelt oldalakat OCR olvassa be, az oldaltartomány opcionális, csak a szöveg marad.
- PDF tömörítése 900 KB-raTömörítse a PDF-et 900 KB-ra a Google Forms, iskolai portálok és webappok 1 MB-os korlátjához, kb. 100 KB tartalékkal. Ingyenes, max. 20 fájl.
