1Enviar o escaneado PDF documents; unha escaneación limpa en escala de grises de 300 PPP dálle ao recoñecidor máis para traballar.
2Dígalle que lingua esperar - nomear a linguaxe é mellor que deixar que a adivine por unha marxe ampla.
3Executar a pasada de recoñecemento; as palabras son escritas de novo como unha capa invisíbel sobre a imaxe da páxina orixinal.
4Obteña o ficheiro PDF pescudábel, parece idéntico, pero agora pode procurar e escoller o texto nel.
PDF con recoñecemento óptico de caracteres Preguntas frecuentes
Como converte OCR PDF unha dixitalización en texto?
+
Concretamente, cada páxina é representada, executada a través dun paso de recoñecemento de texto Tesseract en máis de 100 linguas, e as palabras recoñecidas son escritas de novo como unha capa de texto invisible colocada sobre a imaxe orixinal, de xeito que a páxina non se ve alterada pero é buscable e seleccionábel. A páxina segue a ter o mesmo aspecto que antes: o texto recoñecido está invisíbel detrás da imaxe, polo que as procuras e a selección funcionan sen mudar a aparencia.
Que linguas pode recoñecer?
+
Máis de 100, incluíndo os alfabetos latino, cirílico, grego, árabe, hebreo, chinés, xaponés, coreano e indio. Indicarlle que idioma esperar mellora materialmente a precisión en comparación con deixar que adiviñe.
O formato da fonte afecta ao recoñecemento?
+
Así é. PDF fixa a páxina: as fontes tipográficas, vectores, imaxes raster e coordenadas de texto conxélanse para que cada lector vexa a mesma disposición. O xeito en que se garda a páxina decide a información de resolución e cor coa que ten que traballar o recoñecidor.
Algo específico para PDF aquí?
+
Si — un PDF é un gráfico de obxectos, non unha imaxe de páxina, polo que o texto permanece seleccionábel e os vectores permanecen nítidos independentemente do que suceda co contido raster dentro del. Afecta o que o recoñecidor pode ver.
Que tan exacto é?
+
Nunha dixitalización limpa de 300 PPP de texto impreso, abondo alta para que os erros sexan raros e sobre todo en nomes propios inusuais. A precisión cae bruscamente con baixa resolución, distorsión, sombras da cámara do teléfono, tipos de letra inusuais e escrita a man - a escrita a man en particular non é para o que isto é.
En que punto debo escanear para obter o mellor resultado?
+
300 PPP en escala de grises é o punto ideal. Por baixo de 200 PPP as formas dos caracteres comezan a descompoñerse; por riba de 400 PPP non se gaña case nada e pagámolo en tamaño de ficheiro e tempo de procesamento.
Que podo enviar a OCR PDF?
+
Calquera PDF estándar, incluíndo os producidos por un escáner, por un procesador de textos ou por un controlador de impresión. Os ficheiros cun contrasinal de propietario que só restrinxe a edición son xestionados; os ficheiros que precisan dun contrasinal de usuario para abrir non o son, e non tentamos romper o cifrado.
Hai un límite de tamaño de ficheiro en OCR PDF?
+
Si: as contas libres procesan documentos de ata 5 MB cada un, o que cobre a maioría dos informes e contratos pero non un documento longo escaneado a 600 PPP; Ghostscript e qpdf fan o traballo. Os PDF escaneados son o que normalmente excede este límite, e comprimir primeiro o documento normalmente é suficiente para que volva a estar baixo.
Reducirá OCR PDF a calidade do meu PDF documents?
+
O texto e as ilustracións vectoriais son obxectos en vez de píxeles, polo que permanecen perfectamente nítidos en calquera zoom, non importa o que suceda. Só as imaxes raster incorporadas poden degradarse, e só se a operación que escolla as remuestra.
Podo executar OCR PDF en varios PDF documents á vez?
+
Si, envíe o conxunto e procesáranse en paralelo baixo un conxunto de opcións, o que é o punto de facer un fluxo de traballo de documentos aquí en vez de premer nun lector de escritorio.
Sobreviven os marcadores, ligazóns e campos de formulario?
+
Os contornos, as ligazóns internas e as anotacións presérvanse sempre que a operación o permita. As sinaturas dixitais son a excepción: calquera modificación no ficheiro invalida necesariamente a sinatura, porque é precisamente para iso para o que serve unha sinatura.
O OCR PDF custa algo?
+
O número OCR PDF está libre sen conta e non se estampa nada nas páxinas. Os documentos enviados son eliminados dos traballadores pouco despois de que remate a tarefa.
