pdfMB

OCR PDF

Направете сканиран PDF достъпен за търсене и копирайте текста му. Страниците изглеждат точно както преди, а файлът Ви остава на това устройство.

  • Без качванеФайлът остава на Вашето устройство.
  • Данните за езика се теглят веднъжИзтеглят се само данните за избраните езици и след това се пазят на това устройство.
  • Безплатно, без регистрацияБез акаунт и без дневен лимит.

Какво се случва с файла Ви

Всичко описано по-долу става във Вашия браузър, на Вашето собствено устройство. PDF файлът или снимките Ви никога не се качват, така че никой друг, включително ние, не може да ги види.

  1. Текстът се разпознава от Tesseract – безплатна OCR програма с отворен код, която работи във Вашия браузър. Тя се зарежда от самия pdfMB, а не от сървър на друга компания.
  2. Първия път, когато използвате даден език, данните му (между 0,5 и 3 MB) се изтеглят от pdfMB и се запазват в браузъра Ви. Това е единственото изтегляне: файлът Ви не отива никъде.
  3. Всяка страница се изобразява като картина с 300 dpi и се разпознава ред по ред. Страниците, които вече имат истински текст, се пропускат, освен ако не поискате друго.
  4. Откритите думи се добавят към страницата като невидим текст, поставен точно върху същите думи в картината. Така търсенето, маркирането и копирането работят във всяка програма за четене на PDF.
  5. Нищо по страниците не се прерисува и не се компресира отново. Новият текст се добавя в края на файла, а оригиналният файл остава вътре непроменен, байт по байт.
  6. Снимките влизат в PDF файла такива, каквито са (JPEG снимките не се компресират отново), а текстът се добавя върху тях.
Накратко
  1. Изберете PDF или снимки
  2. Проверете езиците
  3. Натиснете „Разпознаване“
  4. Изтеглете или копирайте текста

Как да направите сканиран PDF достъпен за търсене

  1. Изберете PDF или една или повече снимки на страници.
  2. Проверете езиците. Езикът на тази страница и английският са избрани предварително; добавете всеки друг език, който се среща в документа.
  3. Натиснете „Разпознаване“. Страниците се разпознават една по една и виждате коя се обработва в момента.
  4. Изтеглете PDF файла с търсене или копирайте текста и го запазете като .txt файл.

Съвети за добър резултат

  • Сканирайте с 300 dpi, ако скенерът Ви позволява избор. При по-ниска резолюция малките букви се четат трудно.
  • Снимайте страниците изпънати, право отгоре и на добра светлина, без сянка върху текста. Инструментът „Сканиране в PDF“ изправя страниците вместо Вас.
  • Страниците, които са настрани или наобратно, първо обърнете правилно със „Завъртане на PDF“.
  • Изберете само езиците, които наистина има в документа. Излишните езици забавят разпознаването и могат да добавят грешки.
  • Ръкописен текст, много дребен шрифт и декоративни шрифтове се разпознават зле, затова проверете текста, преди да разчитате на него.

Кога се използва

Сканирани договори и писма

Намерете име, дата или сума в дълъг сканиран документ с Ctrl+F, вместо да четете всяка страница.

Стари документи и архиви

Направете папките със сканирани страници достъпни за търсене, за да може компютърът Ви да намира документ по думите в него.

Снимки на обяви и касови бележки

Копирайте текста от снимка на обява, меню или касова бележка и го поставете в съобщение или в преводач.

Документи на повече от един език

Изберете два или повече езика, например тайландски и английски или китайски и английски, и двата се разпознават на една и съща страница.

Какво не може да прави

  • OCR греши, особено при размазани снимки, дребен шрифт, таблици и ръкопис. Винаги проверявайте важните имена, числа и суми.
  • Текстът се чете на хоризонтални редове. Вертикален китайски или японски текст и страници, обърнати настрани, не се разпознават правилно.
  • Оформлението не се пресъздава. Получавате текст за търсене върху оригиналната страница, а не документ на Word, който да редактирате.
  • В нашите тестове някои езици се разпознават по-неточно от други. В списъка с езици те са отбелязани с „по-ниска точност“.
  • Езиковите данни се изтеглят първия път, когато използвате даден език (размерът се показва преди започване), затова първия път е нужна интернет връзка.
  • Разпознаването става на Вашето устройство, затова е по-бавно на по-стари телефони, а много дълги документи могат да изчерпят паметта на телефона. Първо ги разделете на части.
  • PDF файлове, защитени с парола, и PDF файлове, чийто собственик е забранил промени, не могат да бъдат разпознати.

Въпроси за OCR

Какво е OCR?

OCR (оптично разпознаване на символи) означава буквите в картина да се прочетат и да се превърнат в истински текст. Сканираният PDF е само картини на страници, затова не можете да търсите в него или да копирате от него, докато не мине през OCR.

Ще изглежда ли PDF файлът ми различно?

Не. Текстът се добавя като невидим слой, затова страниците изглеждат точно както преди. В нашите тестове страниците преди и след са идентични, пиксел по пиксел.

Качва ли се документът ми?

Не. Разпознаването работи във Вашия браузър. Изтеглят се единствено езиковите данни, от pdfMB. Файлът Ви не се изпраща никъде.

Кои езици може да разпознава?

32-та езика на този сайт, включително английски, тайландски, китайски (опростен и традиционен), японски, корейски, арабски, иврит, хинди, бенгалски, бирмански, руски и виетнамски. Изберете няколко, ако документът смесва езици.

Колко е точно?

При чисти печатни страници повечето езици разпознават правилно почти всеки знак. Снимките, дребният текст и някои писмености са по-трудни. Тествахме всеки език и отбелязахме по-слабите с „по-ниска точност“.

Защо някои страници се пропускат?

Страниците, които вече имат истински текст, например създадените в Word, нямат нужда от OCR, затова остават както са. Отметнете „Разпознаване и на страниците, които вече имат текст“, ако все пак искате да ги разпознаете.

Мога ли да получа само текста?

Да. След разпознаването текстът се появява под бутона за изтегляне. Натиснете „Копиране на текста“ или „Изтегляне на .txt“, за да го запазите като обикновен текстов файл.