1Muatkan naik PDF documents yang diimbas; imbasan skala kelabu 300 DPI bersih memberikan pengiktirafan yang paling banyak untuk bekerja.
2Beritahu bahasa mana yang hendak diharapkan — nama bahasa melebihi biarkan ia meneka dengan margin yang luas.
3Jalankan laluan pengenalan; perkataan ditulis semula sebagai lapisan tak kelihatan duduk di atas imej halaman asal.
4Muat turun fail bolehcari PDF — ia kelihatan sama, tetapi anda boleh cari dan pilih teks didalamnya.
PDF OCR Soalan Lazim
Adakah format sumber mempengaruhi pengecaman?
+
Ianya boleh. PDF memperbaiki halaman: fon, vektor, imej raster dan koordinat teks dibekukan supaya setiap pembaca melihat susunatur yang sama. Cara halaman disimpan menentukan resolusi dan maklumat warna yang perlu diguna oleh pengiktirafan.
Sesuatu yang spesifik untuk PDF di sini?
+
Ya — PDF adalah graf objek, bukan imej halaman, jadi teks tetap boleh dipilih dan vektor tetap tajam tidak kira apa yang berlaku kepada kandungan raster di dalamnya. Ia mempengaruhi apa yang pengiktirafan boleh lihat.
Berapa tepatnya?
+
Pada imbasan 300 DPI bersih teks cetak, cukup tinggi untuk ralat jarang berlaku dan kebanyakannya dalam nama benda yang tidak biasa. Ketepatan jatuh dengan jelas dengan resolusi rendah, lengkung, bayang dari kamera telefon, font yang tidak biasa dan tulisan tangan — tulisan tangan khususnya bukanlah apa yang ini untuk.
Bagaimana OCR PDF menukar imbasan ke teks?
+
Secara khusus, setiap halaman dihasilkan, berjalan melalui laluan pengenalan teks Tesseract dalam lebih 100 bahasa, dan perkataan yang dikenali ditulis semula sebagai lapisan teks tak kelihatan diletakkan di atas imej asal — jadi halaman kelihatan tidak berubah tetapi boleh dicari dan dipilih. Halaman masih kelihatan seperti yang ia lakukan - teks yang dikenali duduk tidak kelihatan di belakang imej jadi carian dan pemilihan bekerja tanpa mengubah penampilan.
Bolehkah saya jalankan OCR PDF pada beberapa PDF documents sekaligus?
+
Ya — muat naik set dan mereka diproses secara serentak di bawah satu set tetapan, yang merupakan titik untuk melakukan aliran kerja dokumen di sini daripada mengklik melalui pembaca desktop.
Adakah tandabuku, pautan dan medan borang akan kekal?
+
Garis luar, pautan dalaman dan anotasi disimpan di mana- mana operasi membenarkannya. Tandatangan digital adalah pengecualian: sebarang perubahan kepada fail mesti melumpuhkan tandatangan, kerana itulah yang tandatangan adalah untuk.
Adakah terdapat had saiz fail pada OCR PDF?
+
Ya: akaun bebas proses dokumen sehingga 5 MB setiap satu, yang meliputi kebanyakan laporan dan kontrak tetapi bukan dokumen mengimbas panjang pada 600 DPI; Ghostscript dan qpdf melakukan kerja. PDF yang diimbas adalah perkara biasa yang melebihinya, dan memampatkan dokumen pertama biasanya cukup untuk membawanya kembali ke bawah.
Adakah OCR PDF akan menurunkan kualiti PDF documents saya?
+
Teks dan karya seni vektor adalah objek bukan piksel, jadi mereka tetap tajam pada sebarang zum tanpa mengira apa yang berlaku. Hanya imej raster terbenam boleh diturunkan, dan hanya jika operasi yang anda pilih menguji semula mereka.
Kenapa laman Word menghost OCR PDF?
+
WORD.to dibina di sekeliling akhir hayat dokumen yang boleh diedit — DOCX yang masih ditulis, masih dihias dan masih diperdebatkan, sebelum seseorang merapatkannya untuk dihantar. Fail pejabat adalah bekas penuh dengan media orang lain - imej, audio terbenam, font - jadi kerja yang orang perlukan padanya biasanya kerja yang mereka perlukan pada kandungan itu. OCR PDF berkongsi muat naik, caps dan akaun dengan penukaran untuk sebab itu.
Apa yang patut saya lakukan dengan hasil apabila OCR PDF selesai?
+
Penukar di laman ini mengambil dokumen ke PDF untuk dihantar, ke imej untuk ditanam dan ke teks biasa untuk apa-apa yang perlu dibaca secara program, dan kembali ke cara lain. Melakukannya selepas itu akan menyimpan asal yang boleh disunting di sekeliling, yang merupakan bahagian yang anda tidak boleh kembalikan selepas ia telah diratakan.
Adakah OCR PDF di sini alat yang sama yang dijalankan oleh laman saudara?
+
Enjinnya dikongsi — rantaian alat dokumen yang sama, pekerja yang sama, had yang sama. Apa yang tapak Word tambah adalah pandangan tentang apa yang bertahan meninggalkan format Office dan apa yang tidak, yang merupakan soalan yang setiap satu daripada pekerjaan ini sebenarnya menyala. Ia juga bermula dari satu fakta tentang format yang nama laman ini diambil daripadanya: dokumen adalah zip XML, jadi penyuntingan teks murah dan beratnya hampir selalu imej terbenam.
Adakah saya perlu akaun, dan apa-apa yang dijaga?
+
Tiada akaun, dan tiada apa yang disimpan: muat naik dipadam dari pekerja tidak lama selepas kerja selesai, tiada apa yang dibaca dan tiada apa yang diindeks. Akaun bebas wujud untuk sejarah dan saiz kumpulan, bukan untuk akses.
