pdfMB

OCR PDF

הופכים PDF סרוק לקובץ שאפשר לחפש בו ומעתיקים ממנו את הטקסט. הדפים נראים בדיוק אותו דבר, והקובץ נשאר במכשיר הזה.

  • בלי העלאההקובץ נשאר במכשיר שלכם.
  • נתוני השפה יורדים פעם אחתיורדים רק נתוני הקריאה של השפות שבחרתם, ואז הם נשמרים במכשיר הזה.
  • חינם, בלי הרשמהבלי חשבון ובלי הגבלה יומית.

מה קורה לקובץ שלכם

כל מה שמתואר כאן קורה בתוך הדפדפן, במכשיר שלכם. ה-PDF או התמונות שלכם אף פעם לא מועלים, כך שאף אחד אחר, כולל אותנו, לא יכול לראות אותם.

  1. קורא הטקסט הוא Tesseract, מנוע OCR חינמי בקוד פתוח, שרץ בדפדפן שלכם. הוא נטען מ-pdfMB עצמו, ולא משרת של חברה אחרת.
  2. בפעם הראשונה שאתם משתמשים בשפה, הנתונים שלה (בין 0.5 ל-⁦3 MB⁩) יורדים מ-pdfMB ונשמרים בדפדפן. זו ההורדה היחידה: הקובץ שלכם לא הולך לשום מקום.
  3. כל דף מצויר כתמונה ברזולוציה של 300 dpi ונקרא שורה אחר שורה. דפים שכבר יש בהם טקסט אמיתי מדולגים, אלא אם תבקשו לקרוא גם אותם.
  4. המילים שנמצאו מתווספות לדף כטקסט בלתי נראה, שממוקם בדיוק מעל אותן מילים בתמונה. כך חיפוש, סימון והעתקה עובדים בכל תוכנה לקריאת PDF.
  5. שום דבר בדפים לא מצויר מחדש ולא נדחס שוב. הטקסט החדש מתווסף בסוף הקובץ, והקובץ המקורי נשאר בתוכו בלי שינוי, בייט אחר בייט.
  6. תמונות נכנסות ל-PDF כמו שהן (תמונות JPEG לא נדחסות שוב), והטקסט מתווסף מעליהן.
בקצרה
  1. בחרו PDF או תמונות
  2. בדקו את השפות
  3. לחצו על “לקרוא”
  4. הורידו או העתיקו את הטקסט

איך הופכים PDF סרוק לקובץ שאפשר לחפש בו

  1. בחרו PDF, או תמונה אחת או יותר של דפים.
  2. בדקו את השפות. השפה של הדף הזה ואנגלית כבר נבחרו; הוסיפו כל שפה אחרת שמופיעה במסמך.
  3. לחצו על “לקרוא”. הדפים נקראים אחד אחרי השני, ואפשר לראות איזה דף נקרא עכשיו.
  4. הורידו את ה-PDF עם החיפוש, או העתיקו את הטקסט ושמרו אותו כקובץ .txt.

טיפים לתוצאה טובה

  • סרקו ב-300 dpi אם הסורק מאפשר לבחור. ברזולוציות נמוכות יותר קשה לקרוא אותיות קטנות.
  • צלמו את הדפים כשהם שטוחים, ישר מלמעלה ובתאורה טובה, בלי צל על הטקסט. הכלי “סריקה ל-PDF” מיישר את הדפים בשבילכם.
  • דפים שעומדים על הצד או הפוכים, סובבו קודם למצב הנכון עם “סיבוב PDF”.
  • בחרו רק את השפות שבאמת מופיעות במסמך. שפות מיותרות מאטות את הקריאה ועלולות להוסיף טעויות.
  • כתב יד, אותיות קטנות מאוד וגופנים מעוצבים נקראים גרוע, לכן בדקו את הטקסט לפני שאתם סומכים עליו.

מתי משתמשים בזה

חוזים ומכתבים סרוקים

מוצאים שם, תאריך או סכום במסמך סרוק ארוך עם Ctrl+F, במקום לקרוא כל דף.

ניירת ישנה וארכיונים

הופכים תיקיות של דפים סרוקים לכאלה שאפשר לחפש בהן, כך שהמחשב ימצא מסמך לפי המילים שבו.

תמונות של מודעות וקבלות

מעתיקים את הטקסט מתמונה של מודעה, תפריט או קבלה ומדביקים אותו בהודעה או במתרגם.

מסמכים ביותר משפה אחת

בוחרים שתי שפות או יותר, למשל תאית ואנגלית או סינית ואנגלית, ושתיהן נקראות באותו דף.

מה הכלי לא יכול לעשות

  • OCR טועה, במיוחד בתמונות מטושטשות, אותיות קטנות, טבלאות וכתב יד. תמיד בדקו שמות, מספרים וסכומים חשובים.
  • הטקסט נקרא בשורות אופקיות. טקסט סיני או יפני אנכי, ודפים שמסובבים על הצד, לא נקראים נכון.
  • הפריסה לא נבנית מחדש. מקבלים טקסט שאפשר לחפש בו מעל הדף המקורי, ולא מסמך Word שאפשר לערוך.
  • בבדיקות שלנו חלק מהשפות נקראות בדיוק נמוך יותר מאחרות. ברשימת השפות הן מסומנות בתווית “דיוק נמוך יותר”.
  • נתוני השפה יורדים בפעם הראשונה שמשתמשים בשפה (הגודל מוצג לפני שמתחילים), ולכן בפעם הראשונה צריך חיבור לאינטרנט.
  • הקריאה מתבצעת במכשיר שלכם, ולכן היא איטית יותר בטלפונים ישנים, ומסמכים ארוכים מאוד עלולים לגמור את הזיכרון של הטלפון. פצלו אותם קודם לחלקים.
  • אי אפשר לקרוא קובצי PDF עם סיסמה, או קובצי PDF שהבעלים שלהם חסמו בהם שינויים.

שאלות על OCR

מה זה OCR?

OCR (זיהוי תווים אופטי) פירושו לקרוא את האותיות שבתמונה ולהפוך אותן לטקסט אמיתי. PDF סרוק הוא רק תמונות של דפים, ולכן אי אפשר לחפש בו או להעתיק ממנו עד שהוא עובר OCR.

ה-PDF שלי ייראה אחרת?

לא. הטקסט מתווסף כשכבה בלתי נראית, כך שהדפים נראים בדיוק אותו דבר. בבדיקות שלנו הדפים זהים לפני ואחרי, פיקסל אחר פיקסל.

המסמך שלי מועלה?

לא. קורא הטקסט רץ בדפדפן שלכם. הדבר היחיד שיורד הוא נתוני השפה, מ-pdfMB. הקובץ שלכם לא נשלח לשום מקום.

אילו שפות הוא יודע לקרוא?

32 השפות של האתר הזה, כולל אנגלית, תאית, סינית (מפושטת ומסורתית), יפנית, קוריאנית, ערבית, עברית, הינדי, בנגלית, בורמזית, רוסית ווייטנאמית. אם המסמך משלב כמה שפות, בחרו את כולן.

עד כמה זה מדויק?

בדפים מודפסים ונקיים, ברוב השפות כמעט כל התווים מזוהים נכון. תמונות, טקסט קטן וחלק ממערכות הכתב קשים יותר. בדקנו כל שפה וסימנו את החלשות יותר בתווית “דיוק נמוך יותר”.

למה חלק מהדפים מדולגים?

דפים שכבר יש בהם טקסט אמיתי, כמו דפים שנוצרו ב-Word, לא צריכים OCR, ולכן הם נשארים כמו שהם. סמנו “לקרוא גם דפים שכבר יש בהם טקסט” כדי לקרוא אותם בכל זאת.

אפשר לקבל רק את הטקסט?

כן. אחרי הקריאה, הטקסט מופיע מתחת לכפתור ההורדה. לחצו על “להעתיק טקסט”, או על “להוריד .txt” כדי לשמור אותו כקובץ טקסט רגיל.