Chuyển đến nội dung
  1. Trang chủ
  2. OCR PDF

OCR PDF

OCR PDF biến tài liệu quét thành PDF tìm kiếm được và sao chép được, kèm một tệp văn bản thuần. Chạy trên thiết bị của bạn, không giới hạn trang.

Không tải gì lên Miễn phí, không cần tài khoản Không giới hạn số trang

Cách hoạt động:

  • Trích xuất văn bản: Sử dụng Tesseract OCR để nhận diện văn bản từ hình ảnh quét hoặc PDF.
  • Đầu ra có thể tìm kiếm: Tạo PDF mới với lớp văn bản vô hình, làm cho tài liệu của bạn có thể tìm kiếm hoàn toàn trong khi vẫn giữ được hình thức ban đầu.
  • Lọc ký tự: Sử dụng danh sách trắng để lọc các ký tự không mong muốn và cải thiện độ chính xác cho các loại tài liệu cụ thể (hóa đơn, biểu mẫu, v.v.).
  • Hỗ trợ đa ngôn ngữ: Chọn nhiều ngôn ngữ cho tài liệu chứa nội dung ngôn ngữ hỗn hợp.

Nhấp để chọn tệp hoặc kéo và thả

Tệp của bạn không bao giờ rời khỏi thiết bị.

Cách OCR file PDF

  1. Thêm PDF dạng bản quét

    Dài bao nhiêu cũng được. Tệp vẫn ở trên thiết bị của bạn.

  2. Chọn ngôn ngữ

    Đánh dấu các ngôn ngữ được in trong tài liệu. Bạn sẽ thấy cần tải bao nhiêu dữ liệu ngôn ngữ và mất khoảng bao lâu.

  3. Bắt đầu OCR

    Tiến độ hiển thị theo từng trang, và bạn có thể hủy bất cứ lúc nào.

  4. Lưu PDF hoặc văn bản

    Tải PDF tìm kiếm được, văn bản dưới dạng tệp .txt, hoặc sao chép chữ ngay.

Bạn nhận được gì

Search for "total": no results
Trước
Same page, now with text: search, select, copy
Sau
Kết quả OCR gồm những gì
Bạn nhận được Là gì Dùng cho
PDF tìm kiếm được Các trang gốc của bạn với lớp chữ ẩn đặt trên từng từ Tìm kiếm, sao chép, lưu trữ, gửi đi
Tệp văn bản (.txt) Toàn bộ chữ đã nhận dạng, theo từng trang, không có bố cục Trích dẫn, ghi chú, đưa chữ sang ứng dụng khác

OCR, nhận dạng ký tự quang học, đọc các chữ cái trong hình chụp của trang và biến chúng thành chữ mà máy tính tìm kiếm được. PDF quét chỉ là hình ảnh, nên bạn không thể tìm kiếm, bôi chọn một câu hay sao chép một con số. Sau khi OCR thì làm được. Công cụ này làm việc đó trong trình duyệt, không giới hạn trang, và tài liệu của bạn không bao giờ bị tải lên.

Biến PDF scan thành PDF tìm kiếm được

Kết quả trông y hệt bản quét, vì các trang gốc được giữ nguyên. Bên dưới hình ảnh, một lớp chữ ẩn đã nhận dạng nằm đúng chỗ mỗi từ xuất hiện, nên khi tìm kiếm sẽ tô sáng đúng chỗ và khi bôi chọn sẽ lấy được đúng các từ bạn thấy. Muốn biết PDF đã có chữ chưa, hãy thử bôi chọn một dòng: nếu không chọn được, tệp cần OCR.

Chọn ngôn ngữ OCR

Việc nhận dạng cần biết sẽ gặp bảng chữ cái và từ ngữ nào, nên hãy chọn mọi ngôn ngữ được in trong tài liệu, ví dụ tiếng Anh và tiếng Tây Ban Nha cho một biểu mẫu song ngữ. Có hơn 100 ngôn ngữ, gồm cả tiếng Trung, Nhật, Hàn, Ả Rập, Do Thái và Hindi. Mỗi ngôn ngữ chỉ tải một lần, thường vài megabyte, sau đó trình duyệt giữ lại; dung lượng được hiển thị trước khi bắt đầu. Chọn ngôn ngữ không có trong tài liệu sẽ làm nhận dạng chậm hơn và kém chính xác hơn.

Điều gì ảnh hưởng đến độ chính xác của OCR

Với bản quét chữ in sạch, thẳng ở 300 dpi, gần như mọi từ đều được đọc đúng. Độ chính xác giảm với ảnh chụp điện thoại bị mờ, độ phân giải thấp, trang bị nghiêng hoặc cong, chữ in mờ, nền có màu, phông chữ lạ và bảng có đường kẻ sát nhau. Chữ viết tay phần lớn không được nhận dạng. Tăng độ phân giải trong cài đặt nâng cao giúp đọc chữ nhỏ, nhưng tốn thời gian hơn. Luôn kiểm tra lại tên và con số quan trọng.

Cách hoạt động

Mỗi trang được vẽ thành hình ảnh trong trình duyệt và được đọc bởi Tesseract, một công cụ OCR mã nguồn mở, chạy trên thiết bị của bạn. Các từ tìm được và vị trí của chúng được ghi vào một bản sao PDF dưới dạng lớp chữ ẩn, đồng thời gom vào tệp văn bản. Máy tính xách tay xử lý một trang trong vài giây; điện thoại chậm hơn. Tài liệu dài mất nhiều thời gian hơn nhưng không bị giới hạn, và thời gian ước tính trước khi bắt đầu cho bạn biết cần chờ bao lâu.

Mọi người dùng để làm gì, và khi nào không dùng được

Hợp đồng và thư từ đã quét, sách cũ và luận văn, biên lai và hóa đơn để làm sổ sách, tài liệu phát tay ở trường, hồ sơ lưu trữ, và mọi thứ bạn muốn tìm kiếm trên máy tính sau này.

  • Bố cục không được dựng lại. PDF tìm kiếm được giữ nguyên giao diện gốc; tệp văn bản là chữ thuần. Muốn chỉnh sửa tài liệu, hãy dùng PDF sang Word sau đó.
  • Chữ viết tay phần lớn không được nhận dạng.
  • PDF đã có chữ thì không cần OCR; muốn lấy chữ, hãy dùng PDF sang văn bản.
  • Trên điện thoại, hãy giữ màn hình sáng và để tab mở khi xử lý lâu, nếu không trình duyệt sẽ tạm dừng.

Hỏi và đáp

OCR trong PDF là gì?
Đó là nhận dạng chữ: các chữ cái trong trang quét được đọc và thêm vào PDF dưới dạng chữ thật, để bạn tìm kiếm và sao chép được.
Làm sao để PDF tìm kiếm được chữ?
Thêm tệp trên trang này, chọn ngôn ngữ của tài liệu và nhấn Bắt đầu OCR. Tải PDF tìm kiếm được về khi xong.
Làm sao biết PDF đã có lớp chữ chưa?
Thử bôi chọn một dòng chữ hoặc tìm một từ bạn nhìn thấy. Nếu không chọn được hay không tìm thấy gì, các trang là hình ảnh và cần OCR.
Vì sao OCR không nhận dạng hết chữ?
Thường là do bản quét bị mờ, nghiêng hoặc độ phân giải thấp, hoặc bạn chưa chọn đủ ngôn ngữ. Hãy thử độ phân giải cao hơn và đúng ngôn ngữ.
OCR có giữ nguyên bố cục không?
PDF tìm kiếm được trông y hệt bản quét. Tệp văn bản chỉ có chữ, không có bố cục.
OCR có đọc được chữ viết tay không?
Phần lớn là không. Công cụ được làm cho chữ in; chữ in hoa viết tay ngay ngắn đôi khi đọc được.
Có giới hạn số trang không?
Không. Tài liệu dài chỉ mất nhiều thời gian hơn, và thời gian ước tính được hiển thị trước khi bắt đầu.
Tệp của tôi có bị tải lên không?
Không. Việc nhận dạng chạy trong trình duyệt. Chỉ dữ liệu ngôn ngữ được tải về, một lần, và tài liệu của bạn không bao giờ rời khỏi thiết bị.

Cập nhật Hoạt động ngoại tuyến khi trang và dữ liệu ngôn ngữ đã tải xong