1Ngarko PDF documents e skanuar; një skanim i pastër 300 DPI në gri-scale i jep njohësit më shumë për të punuar.
2Thuaj atij se cila gjuhë të presë - emërimi i gjuhës mund të lejojë atë të gjejë me një kufi të gjerë.
3Ekzekuto njohjen e fjalëve; fjalët shkruahen si një shtresë e padukshme mbi figurën origjinale të faqes.
4Shkarko file PDF të kërkueshëm - duket identik, por tani mund të kërkosh dhe të zgjedhësh tekstin në të.
PDF me OCR Pyetje të shpeshta
A ndikon formati i burimit në njohjen?
+
PDF e rregullon faqen: gërmat, vektori, imazhet raster dhe koordinatat e tekstit janë të ngrira kështu që çdo lexues sheh një strukturë identike. Si ruhet faqja vendos se me çfarë rezolucioni dhe ngjyrash duhet të punojë njohësi.
Diçka specifike për PDF këtu?
+
Po — PDF është një grafik objekti, jo një figurë faqeje, kështu që teksti mbetet i zgjedhshëm dhe vektori mbetet i mprehtë pavarësisht se çfarë ndodh me përmbajtjen raster brenda tij. Kjo ndikon në atë që njohësi mund të shohë.
Sa e saktë është?
+
Në një skanim të pastër 300 DPI të tekstit të shtypur, mjaft i lartë që gabimet janë të rralla dhe kryesisht në emra të pazakontë të vetinjve. Saktësia bie mprehtë me rezolucion të ulët, të shtrembëruar, hije nga kamera e telefonit, tipare të pazakonta dhe shkrim me dorë — shkrimi me dorë në veçanti nuk është për këtë.
Si e kthen OCR PDF një skanim në tekst?
+
Konkretisht, çdo faqe është paraqitur, kryhet nëpërmjet një njohjeje teksti Tesseract në më shumë se 100 gjuhë, dhe fjalët e njohura janë shkruar si një shtresë e padukshme teksti e vendosur mbi imazhin origjinal — kështu që faqe duket e pandryshuar por është e kërkueshme dhe e zgjedhshme. Faqja ende duket tamam siç ishte — teksti i njohur qëndron i padukshëm pas figurës kështu që kërkimi dhe zgjedhja punojnë pa ndryshuar pamjen.
A mund të ekzekutojë OCR PDF në disa PDF documents njëkohësisht?
+
Po — ngarko koleksionin dhe ata do të përpunohen paralelisht nën një koleksion rregullimesh, që është qëllimi i kryrjes së një dokumenti të rrjedhës së punës këtu në vend të klikimit nëpërmjet një lexuesit desktop.
A mbijetojnë libërshënuesit, lidhjet dhe fushat e formularit?
+
Konturat, lidhjet e brendshme dhe komentet ruhen kurdoherë që operacioni e lejon këtë. Firmat dixhitale janë përjashtimi: çdo ndryshim në file do të anullojë një firmë, sepse kjo është pikërisht ajo për çka është një firmë.
A ka një kufizim të madhësisë së file në OCR PDF?
+
Po: llogaritë e lira përpunojnë dokumente deri në 5 MB secili, që mbulon shumicën e raporteve dhe kontratave por jo një dokument të gjatë të skanuar në 600 DPI; Ghostscript dhe qpdf bëjnë punën. PDF-të e skanuara janë gjëja e zakonshme që e tejkalojnë atë dhe kompresimi i dokumentit së pari është normalisht i mjaftueshëm për ta kthyer atë nën.
Do të zvogëlojë OCR PDF cilësinë e PDF documents?
+
Teksti dhe vektorët janë objekte dhe jo piksela, kështu që mbeten të mprehtë në çdo zmadhim, pavarësisht se ç'ndodh. Vetëm figurat raster të përfshira mund të degradohen dhe vetëm nëse operacioni që keni zgjedhur i ri-shembullon ato.
Pse një Word site pret OCR PDF?
+
WORD.to është ndërtuar rreth fundit të editueshme të jetës së dokumentit - DOCX që është ende duke u shkruar, ende duke u stilizuar dhe ende duke u diskutuar, para se dikush ta shtrëngojë atë për dërgim. Filet e zyrës janë kontejnerë të mbushur me media të njerëzve të tjerë — imazhe, audio të ndërlidhur, gërma — kështu që puna që njerëzit kanë nevojë për to është zakonisht puna që ata do të kishin nevojë për këto përmbajtje gjithsesi. OCR PDF për këtë arsye ndan ngarkimin, kaps dhe llogarinë me konvertimet.
Çfarë duhet të bëj me rezultatin kur OCR PDF të përfundojë?
+
Konvertimi në këtë faqe i nxjerr dokumentet në PDF për dërgim, në imazhe për të futur dhe në tekst të thjeshtë për çdo gjë që duhet t'i lexojë ato në mënyrë programatike, dhe në të kundërtën. Duke bërë këtë më pas, do të mbajë origjinalin e editueshme rreth, që është pjesa që nuk mund të kthehet pasi të jetë shtrirë.
A është OCR PDF këtu i njëjti instrument që sitet vëllazërore e kryejnë?
+
Motorët janë të përbashkët - i njëjti zinxhir i instrumentëve të dokumentit, të njëjtët punëtorë, të njëjtat kufij. Çfarë një Word site shtohet është një pamje e asaj që mbijeton duke lënë formatin Office dhe çfarë nuk bën, që është pyetja që çdo një nga këto punë aktualisht aktivizon. Ajo gjithashtu fillon nga një fakt rreth formatit që ky site është emëruar sipas: dokumenti është një zip i XML, kështu që ndryshimet e tekstit janë të lira dhe pesha është pothuajse gjithmonë figurat e ndërlidhura.
A më duhet një llogari dhe a mbahet ndonjë gjë?
+
Asnjë llogari, dhe asgjë nuk ruhet: ngarkimet eleminohen nga punëtorët menjëherë pasi të përfundojë puna, asgjë nuk lexohet dhe asgjë nuk indeksohet. Llogaritë e lira ekzistojnë për historinë dhe masën e lotit, jo për hyrjen.
