OCR PDF čte každou naskenovanou stránku pomocí Tesseractu, otevřeného nástroje na rozpoznávání textu, který běží ve vašem prohlížeči. Přidá přes původní stránky neviditelnou textovou vrstvu: dokument vypadá úplně stejně, ale nyní v něm můžete vyhledávat, označovat slova a kopírovat je. Rozpoznaný text dostanete i jako soubor .txt.
Jak to funguje
- Přetáhněte naskenované PDF.
- Zvolte jazyk dokumentu, a také angličtinu, pokud text mísí obojí.
- Zvolte Zpřístupnit vyhledávání a stáhněte PDF s vyhledáváním nebo text.
Podporované soubory
Vstup: jedno PDF s naskenovanými nebo vyfocenými stránkami. Výstup: totéž PDF s prohledávatelnou textovou vrstvou a soubor .txt.
Až 400 MB na PDF v počítači, 150 MB na iPhonu a iPadu. Větší soubory závisí na paměti zařízení.
Kdy se hodí
- Vyhledávat v naskenovaných smlouvách, fakturách nebo poznámkách z přednášek.
- Zkopírovat odstavec ze skenu místo přepisování.
- Zpřístupnit papírové archivy vyhledávání v počítači.
Kvalita a omezení
- Rozpoznávání není nikdy dokonalé: zkontrolujte jména, čísla a částky.
- Ručně psaný text se rozpoznává špatně; nejlépe funguje tištěný text.
- Dlouhé dokumenty zaberou čas, hlavně na telefonu: počítejte s několika sekundami na stránku.
Časté potíže
- „Na těchto stránkách nebyl nalezen žádný text.“
- Zkontrolujte zvolený jazyk a zda je sken ostrý a rovný. Fotky pořízené zešikma se rozpoznávají špatně.
- Poprvé je to pomalé.
- Jazykový model (2–4 MB) se poprvé stáhne z tohoto webu a pak ho prohlížeč používá znovu.
Soukromí už od návrhu
Tento nástroj běží celý ve vašem prohlížeči v JavaScriptu. Soubor se načte a zpracuje ve vašem zařízení a nikdy se nenahraje na server. Zavřením karty vše zmizí.
Časté dotazy
Které jazyky jsou podporované?
19 jazyků tohoto webu, od angličtiny, francouzštiny a němčiny po japonštinu, korejštinu, tradiční čínštinu a arabštinu. Ke každému můžete pro smíšené dokumenty přidat angličtinu.
Nahrává se můj sken?
Ne. Rozpoznávání textu běží ve vašem prohlížeči, ve vašem zařízení.
Mění se vzhled stránek?
Ne. Původní stránky zůstanou, jak jsou; navrch se přidá neviditelná textová vrstva.