Preskočiť na obsah
  1. Domov
  2. OCR pre PDF

OCR pre PDF

OCR pre PDF, ktoré zo skenovaného dokumentu urobí prehľadávateľné PDF, z ktorého sa dá kopírovať, a k tomu obyčajný textový súbor. Beží vo vašom zariadení, bez limitu strán.

Nič sa nenahráva Zadarmo, bez účtu Bez limitu strán

Ako to funguje:

  • Extrahovať text: Používa Tesseract OCR na rozpoznávanie textu z naskenovaných obrázkov alebo PDF.
  • Prehľadávateľný výstup: Vytvorí nové PDF s neviditeľnou textovou vrstvou, vďaka čomu je váš dokument plne prehľadávateľný pri zachovaní pôvodného vzhľadu.
  • Filtrovanie znakov: Použite povolené množiny znakov na odfiltrovanie nežiaducich znakov a zlepšenie presnosti pre konkrétne typy dokumentov (faktúry, formuláre atď.).
  • Podpora viacerých jazykov: Vyberte viacero jazykov pre dokumenty, ktoré obsahujú zmiešaný text v rôznych jazykoch.

Kliknite pre výber súboru alebo ho potiahnite a pusťte

Vaše súbory nikdy neopustia vaše zariadenie.

Ako spraviť OCR v PDF

  1. Pridajte naskenované PDF

    Ľubovoľnej dĺžky. Súbor zostáva vo vašom zariadení.

  2. Vyberte jazyky

    Zaškrtnite jazyky, ktorými je dokument napísaný. Uvidíte, koľko jazykových dát sa stiahne a približne ako dlho to potrvá.

  3. Spustite OCR

    Priebeh sa zobrazuje strana po strane a kedykoľvek ho môžete zrušiť.

  4. Uložte PDF alebo text

    Stiahnite prehľadávateľné PDF, text ako súbor .txt, alebo text hneď skopírujte.

Čo dostanete

Search for "total": no results
Predtým
Same page, now with text: search, select, copy
Potom
Čo obsahuje výsledok OCR
Dostanete Čo to je Použite na
Prehľadávateľné PDF Vaše pôvodné strany s neviditeľným textom umiestneným nad slovami Vyhľadávanie, kopírovanie, archív, posielanie
Textový súbor (.txt) Všetok rozpoznaný text, strana po strane, bez rozloženia Citovanie, poznámky, vkladanie textu do iných aplikácií

OCR, optické rozpoznávanie znakov, prečíta písmená na obrázku strany a premení ich na text, v ktorom môže počítač vyhľadávať. Naskenované PDF sú len obrázky, takže v nich nemôžete vyhľadávať, označiť vetu ani skopírovať číslo. Po OCR to ide. Tento nástroj to urobí vo vašom prehliadači, bez limitu strán, a váš dokument sa nikdy nenahráva.

Ako urobiť naskenované PDF prehľadávateľným

Výsledok vyzerá presne ako váš sken, pretože pôvodné strany sa zachovajú. Pod obrázkom leží neviditeľná vrstva rozpoznaných slov presne tam, kde je každé slovo, takže vyhľadávanie zvýrazní správne miesto a pri označovaní textu vyberiete slová, ktoré vidíte. Ak chcete zistiť, či PDF už text má, skúste označiť riadok: ak sa nedá, potrebuje OCR.

Výber jazykov pre OCR

Rozpoznávanie potrebuje vedieť, akú abecedu a slová očakávať, preto vyberte každý jazyk, ktorým je dokument napísaný, napríklad slovenčinu a angličtinu pri dvojjazyčnom tlačive. K dispozícii je viac ako 100 jazykov vrátane čínštiny, japončiny, kórejčiny, arabčiny, hebrejčiny a hindčiny. Každý jazyk sa stiahne raz, zvyčajne má niekoľko megabajtov, a potom ho prehliadač uchová; veľkosť uvidíte pred spustením. Výber jazykov, ktoré v dokumente nie sú, rozpoznávanie spomalí a zníži jeho presnosť.

Čo ovplyvňuje presnosť OCR

Na čistom, rovnom skene tlačeného textu pri 300 dpi sa takmer každé slovo prečíta správne. Presnosť klesá pri rozmazaných fotkách z telefónu, nízkom rozlíšení, naklonených či zvlnených stranách, bledej tlači, farebnom pozadí, nezvyčajných písmach a tabuľkách s hustými čiarami. Rukopis sa väčšinou nerozpozná. Zvýšenie rozlíšenia v rozšírených nastaveniach pomôže pri drobnom písme, no trvá dlhšie. Mená a čísla, na ktoré sa spoliehate, vždy skontrolujte.

Ako to funguje

Každá strana sa vo vašom prehliadači vykreslí ako obrázok a prečíta ju Tesseract, open source OCR nástroj, ktorý beží vo vašom zariadení. Nájdené slová a ich polohy sa zapíšu do kópie vášho PDF ako neviditeľná textová vrstva a zhromaždia sa do textového súboru. Notebook zvládne stranu za pár sekúnd; telefón je pomalší. Dlhé dokumenty trvajú dlhšie, ale nemajú limit, a odhad pred spustením vám povie, čo čakať.

Na čo sa používa a kedy nebude fungovať

Naskenované zmluvy a listy, staré knihy a záverečné práce, bločky a faktúry pre účtovníctvo, školské materiály, záznamy z archívu a všetko, v čom chcete neskôr vyhľadávať v počítači.

  • Rozloženie sa neobnovuje. Prehľadávateľné PDF si zachová pôvodný vzhľad; textový súbor je obyčajný text. Ak chcete dokument upravovať, použite potom PDF do Wordu.
  • Rukopis sa väčšinou nerozpozná.
  • PDF, ktoré už text majú, OCR nepotrebujú; ich text získate nástrojom PDF na text.
  • Na telefóne nechajte pri dlhých úlohách zapnutú obrazovku a otvorenú kartu, inak ich prehliadač pozastaví.

Otázky a odpovede

Čo je OCR v PDF?
Je to rozpoznávanie textu: písmená na naskenovaných stranách sa prečítajú a pridajú do PDF ako skutočný text, takže ho môžete vyhľadávať a kopírovať.
Ako urobiť PDF prehľadávateľné?
Pridajte ho na tejto stránke, vyberte jazyky dokumentu a stlačte Spustiť OCR. Po dokončení si stiahnite prehľadávateľné PDF.
Ako zistím, či má moje PDF textovú vrstvu?
Skúste označiť riadok textu alebo vyhľadať slovo, ktoré vidíte. Ak sa nič neoznačí ani nenájde, strany sú obrázky a potrebujú OCR.
Prečo OCR nerozpoznalo všetok text?
Zvyčajne je sken rozmazaný, naklonený alebo má nízke rozlíšenie, prípadne vo výbere chýba niektorý jazyk. Skúste vyššie rozlíšenie a správne jazyky.
Zachová OCR rozloženie?
Prehľadávateľné PDF vyzerá presne ako sken. Textový súbor obsahuje slová bez rozloženia.
Prečíta OCR aj rukopis?
Väčšinou nie. Je určené na tlačený text; úhľadné paličkové písmo niekedy funguje.
Je tu limit strán?
Nie. Dlhé dokumenty jednoducho trvajú dlhšie a odhad času sa zobrazí ešte pred spustením.
Nahráva sa môj súbor?
Nie. Rozpoznávanie beží vo vašom prehliadači. Stiahnu sa len jazykové dáta, a to raz, a váš dokument nikdy neopustí vaše zariadenie.

Aktualizované Po načítaní stránky a jazykových dát funguje aj offline