Langsung ke konten
  1. Beranda
  2. OCR PDF

OCR PDF

OCR PDF yang mengubah dokumen hasil scan menjadi PDF yang bisa dicari dan disalin, ditambah file teks biasa. Berjalan di perangkat Anda, tanpa batas halaman.

Tidak ada yang diunggah Gratis, tanpa akun Tanpa batas halaman

Cara kerjanya:

  • Ekstrak Teks: Menggunakan Tesseract OCR untuk mengenali teks dari gambar atau PDF yang dipindai.
  • Output Bisa Dicari: Membuat PDF baru dengan lapisan teks tak terlihat, membuat dokumen Anda sepenuhnya bisa dicari sambil mempertahankan tampilan asli.
  • Penyaringan Karakter: Gunakan whitelist untuk memfilter karakter yang tidak diinginkan dan meningkatkan akurasi untuk jenis dokumen tertentu (faktur, formulir, dll.).
  • Dukungan Multi-bahasa: Pilih beberapa bahasa untuk dokumen yang berisi konten bahasa campuran.

Klik untuk memilih file atau seret dan jatuhkan

File Anda tidak pernah meninggalkan perangkat Anda.

Cara OCR PDF

  1. Tambahkan PDF hasil scan

    Panjang berapa pun. File tetap di perangkat Anda.

  2. Pilih bahasa

    Centang bahasa yang tercetak di dokumen. Anda melihat berapa banyak data bahasa yang akan diunduh dan kira-kira berapa lama prosesnya.

  3. Mulai OCR

    Progres ditampilkan per halaman, dan Anda bisa membatalkan kapan saja.

  4. Simpan PDF atau teksnya

    Unduh PDF yang bisa dicari, teks sebagai file .txt, atau langsung salin teksnya.

Yang Anda dapatkan

Search for "total": no results
Sebelum
Same page, now with text: search, select, copy
Sesudah
Isi hasil OCR
Anda mendapatkan Apa itu Untuk apa
PDF yang bisa dicari Halaman asli Anda dengan teks tak terlihat di atas setiap kata Mencari, menyalin, arsip, mengirim
File teks (.txt) Semua teks yang dikenali, per halaman, tanpa tata letak Mengutip, catatan, memindahkan teks ke aplikasi lain

OCR (optical character recognition, pengenalan karakter optik) membaca huruf dalam gambar halaman dan mengubahnya menjadi teks yang bisa dicari komputer. PDF hasil scan hanyalah kumpulan gambar, jadi Anda tidak bisa mencari di dalamnya, memilih kalimat, atau menyalin angka darinya. Setelah OCR, Anda bisa. Alat ini melakukannya di browser Anda, tanpa batas halaman, dan dokumen Anda tidak pernah diunggah.

Jadikan PDF hasil scan bisa dicari

Hasilnya tampak persis seperti hasil scan Anda, karena halaman aslinya dipertahankan. Di bawah gambar, lapisan tak terlihat berisi kata-kata yang dikenali ditempatkan tepat di posisi setiap kata, sehingga pencarian menyorot tempat yang benar dan memilih teks mengambil kata yang Anda lihat. Untuk memeriksa apakah PDF sudah punya teks, coba pilih satu baris: jika tidak bisa, PDF itu perlu OCR.

Pilih bahasa OCR

Pengenalan teks perlu tahu alfabet dan kata apa yang diharapkan, jadi pilih setiap bahasa yang tercetak di dokumen, misalnya Indonesia dan Inggris untuk formulir dua bahasa. Tersedia lebih dari 100 bahasa, termasuk Mandarin, Jepang, Korea, Arab, Ibrani, dan Hindi. Setiap bahasa diunduh sekali, biasanya beberapa megabyte, lalu disimpan oleh browser Anda; ukurannya ditampilkan sebelum Anda mulai. Memilih bahasa yang tidak ada di dokumen membuat pengenalan lebih lambat dan kurang akurat.

Yang memengaruhi akurasi OCR

Pada hasil scan teks cetak yang bersih dan lurus dengan 300 dpi, hampir setiap kata terbaca dengan benar. Akurasi turun pada foto ponsel yang buram, resolusi rendah, halaman miring atau melengkung, cetakan pudar, latar berwarna, font yang tidak biasa, dan tabel dengan garis rapat. Tulisan tangan umumnya tidak dikenali. Menaikkan resolusi di pengaturan lanjutan membantu untuk huruf kecil, tetapi butuh waktu lebih lama. Selalu periksa nama dan angka yang Anda andalkan.

Cara kerjanya

Setiap halaman digambar sebagai gambar di browser Anda dan dibaca oleh Tesseract, mesin OCR open source, yang berjalan di perangkat Anda. Kata-kata yang ditemukan beserta posisinya ditulis ke salinan PDF Anda sebagai lapisan teks tak terlihat, dan dikumpulkan ke dalam file teks. Laptop memproses satu halaman dalam beberapa detik; ponsel lebih lambat. Dokumen panjang butuh waktu lebih lama tetapi tidak dibatasi, dan perkiraan sebelum mulai memberi tahu apa yang bisa Anda harapkan.

Untuk apa orang memakainya, dan kapan alat ini tidak berfungsi

Kontrak dan surat hasil scan, buku lama dan skripsi, struk dan faktur untuk pembukuan, materi pelajaran sekolah, dokumen dari arsip, dan apa pun yang ingin Anda cari di komputer nanti.

  • Tata letak tidak disusun ulang. PDF yang bisa dicari mempertahankan tampilan asli; file teksnya berupa teks biasa. Untuk mengedit dokumen, gunakan PDF ke Word setelahnya.
  • Tulisan tangan umumnya tidak dikenali.
  • PDF yang sudah punya teks tidak perlu OCR; untuk mengambil teksnya, gunakan PDF ke Teks.
  • Di ponsel, biarkan layar menyala dan tab tetap terbuka selama proses panjang, atau browser akan menjedanya.

Tanya jawab

Apa itu OCR pada PDF?
OCR adalah pengenalan teks: huruf di halaman hasil scan dibaca dan ditambahkan ke PDF sebagai teks asli, jadi Anda bisa mencari dan menyalinnya.
Bagaimana cara membuat PDF bisa dicari?
Tambahkan di halaman ini, pilih bahasa dokumen, lalu tekan Mulai OCR. Unduh PDF yang bisa dicari setelah selesai.
Bagaimana cara tahu apakah PDF saya punya lapisan teks?
Coba pilih satu baris teks atau cari kata yang terlihat. Jika tidak ada yang terpilih atau ditemukan, halamannya berupa gambar dan perlu OCR.
Kenapa OCR tidak mengenali semua teks?
Biasanya hasil scan buram, miring, atau resolusinya rendah, atau ada bahasa yang tidak Anda pilih. Coba resolusi lebih tinggi dan bahasa yang tepat.
Apakah OCR mempertahankan tata letak?
PDF yang bisa dicari tampak persis seperti hasil scan. File teksnya berisi kata-kata tanpa tata letak.
Bisakah OCR membaca tulisan tangan?
Umumnya tidak. OCR dibuat untuk teks cetak; huruf kapital yang ditulis rapi kadang bisa terbaca.
Apakah ada batas halaman?
Tidak. Dokumen panjang hanya butuh waktu lebih lama, dan perkiraan waktunya ditampilkan sebelum Anda mulai.
Apakah file saya diunggah?
Tidak. Pengenalan teks berjalan di browser Anda. Hanya data bahasa yang diunduh, sekali saja, dan dokumen Anda tidak pernah keluar dari perangkat.

Diperbarui Bisa dipakai offline setelah halaman dan data bahasa dimuat