pdfMB

OCR PDF

Faceți căutabil un PDF scanat și copiați-i textul. Paginile arată exact la fel, iar fișierul rămâne pe acest dispozitiv.

  • Fără încărcareFișierul rămâne pe acest dispozitiv.
  • Datele de limbă se descarcă o singură datăSe descarcă doar datele de citire pentru limbile alese, apoi sunt păstrate pe acest dispozitiv.
  • Gratuit, fără contFără cont și fără limită zilnică.

Ce se întâmplă cu fișierul dvs.

Tot ce este descris mai jos se petrece în browser, pe propriul dispozitiv. PDF-ul sau fotografiile dvs. nu sunt încărcate niciodată, așa că nimeni altcineva, nici măcar noi, nu le poate vedea.

  1. Cititorul de text este Tesseract, un motor OCR gratuit și open source, care rulează în browser. Este încărcat chiar de pe pdfMB, nu de pe serverul altei companii.
  2. Prima dată când folosiți o limbă, datele ei (între 0,5 și 3 MB) sunt descărcate de pe pdfMB și păstrate de browser. Aceasta este singura descărcare: fișierul dvs. nu pleacă nicăieri.
  3. Fiecare pagină este desenată ca imagine la 300 dpi și citită rând cu rând. Paginile care au deja text adevărat sunt sărite, dacă nu cereți să fie citite.
  4. Cuvintele găsite sunt adăugate pe pagină ca text invizibil, așezat peste aceleași cuvinte din imagine. Astfel, căutarea, selectarea și copierea funcționează în orice cititor PDF.
  5. Nimic de pe pagini nu este redesenat sau recomprimat. Textul nou este adăugat la sfârșitul fișierului, iar fișierul original rămâne în interior neschimbat, byte cu byte.
  6. Fotografiile intră în PDF așa cum sunt (fotografiile JPEG nu sunt recomprimate), iar textul este adăugat peste ele.
Pe scurt
  1. Alegeți un PDF sau poze
  2. Verificați limbile
  3. Apăsați „Citește”
  4. Descărcați sau copiați textul

Cum faceți căutabil un PDF scanat

  1. Alegeți un PDF sau una ori mai multe fotografii ale unor pagini.
  2. Verificați limbile. Limba acestei pagini și engleza sunt deja alese; adăugați orice altă limbă care apare în document.
  3. Apăsați „Citește”. Paginile sunt citite una câte una și puteți vedea ce pagină se citește.
  4. Descărcați PDF-ul căutabil sau copiați textul și salvați-l ca fișier .txt.

Sfaturi pentru un rezultat bun

  • Scanați la 300 dpi dacă scanerul vă lasă să alegeți. La rezoluții mai mici, literele mărunte sunt greu de citit.
  • Fotografiați paginile întinse, drept din față și în lumină bună, fără umbre peste text. Instrumentul Scanare în PDF vă îndreaptă paginile.
  • Întoarceți mai întâi în poziția corectă paginile culcate sau cu susul în jos, cu Rotește PDF.
  • Alegeți doar limbile care chiar apar în document. Limbile în plus încetinesc citirea și pot adăuga greșeli.
  • Scrisul de mână, literele foarte mici și fonturile decorative sunt citite prost, așa că verificați textul înainte să vă bazați pe el.

Când este folosit

Contracte și scrisori scanate

Găsiți un nume, o dată sau o sumă într-un document scanat lung cu Ctrl+F, în loc să citiți fiecare pagină.

Acte vechi și arhive

Faceți căutabile dosarele cu pagini scanate, ca să vă găsească computerul un document după cuvintele din el.

Fotografii cu anunțuri și bonuri

Copiați textul din fotografia unui anunț, a unui meniu sau a unui bon și lipiți-l într-un mesaj sau într-un traducător.

Documente în mai multe limbi

Alegeți două sau mai multe limbi, de exemplu română și engleză sau chineză și engleză, și sunt citite amândouă pe aceeași pagină.

Ce nu poate face

  • OCR-ul face greșeli, mai ales la fotografii neclare, litere mici, tabele și scris de mână. Verificați întotdeauna numele, numerele și sumele importante.
  • Textul este citit pe rânduri orizontale. Textul chinezesc sau japonez scris vertical și paginile culcate nu sunt citite corect.
  • Aranjarea în pagină nu este refăcută. Obțineți text căutabil peste pagina originală, nu un document Word editabil.
  • În testele noastre, unele limbi sunt citite cu mai puțină precizie decât altele. Ele sunt marcate cu „precizie mai mică” în lista de limbi.
  • Datele unei limbi sunt descărcate prima dată când o folosiți (mărimea este afișată înainte să începeți), așa că în acea primă dată aveți nevoie de conexiune la internet.
  • Citirea are loc pe dispozitivul dvs., deci este mai lentă pe telefoanele mai vechi, iar documentele foarte lungi pot epuiza memoria unui telefon. Împărțiți-le mai întâi în părți.
  • PDF-urile cu parolă și cele la care proprietarul a blocat modificările nu pot fi citite.

Întrebări despre OCR

Ce este OCR?

OCR (recunoaștere optică a caracterelor) înseamnă citirea literelor dintr-o imagine și transformarea lor în text adevărat. Un PDF scanat conține doar imagini ale paginilor, așa că nu puteți căuta în el și nici copia din el până nu trece prin OCR.

PDF-ul meu va arăta altfel?

Nu. Textul este adăugat ca un strat invizibil, deci paginile arată exact la fel. În testele noastre, paginile sunt identice, pixel cu pixel, înainte și după.

Documentul meu este încărcat?

Nu. Cititorul de text rulează în browser. Singurul lucru descărcat sunt datele de limbă, de pe pdfMB. Fișierul dvs. nu este trimis niciodată nicăieri.

Ce limbi poate citi?

Cele 32 de limbi ale acestui site, printre care română, engleză, thailandeză, chineză (simplificată și tradițională), japoneză, coreeană, arabă, ebraică, hindi, bengaleză, birmană, rusă și vietnameză. Alegeți mai multe dacă documentul amestecă limbile.

Cât de precis este?

Pe pagini tipărite curate, la majoritatea limbilor aproape toate caracterele sunt recunoscute corect. Fotografiile, textul mic și unele scrieri sunt mai dificile. Am testat fiecare limbă și le-am marcat pe cele mai slabe cu „precizie mai mică”.

De ce sunt sărite unele pagini?

Paginile care au deja text adevărat, cum sunt cele create în Word, nu au nevoie de OCR, așa că rămân așa cum sunt. Bifați „Citește și paginile care au deja text” ca să le citiți oricum.

Pot obține doar textul?

Da. După citire, textul apare sub butonul de descărcare. Apăsați „Copiază textul” sau „Descarcă .txt” ca să-l salvați ca fișier text simplu.