2Open this page in the language of the document; the text is recognised in that language
3Click Process to extract text
4Download your searchable PDF
PDF con recoñecemento óptico de caracteres Preguntas frecuentes
Como converte OCR PDF unha dixitalización en texto?
+
Concretamente, cada páxina é renderizada, executada mediante un 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 parece inalterada pero é procurable e seleccionábel. A páxina segue a parecer exactamente como era, o texto recoñecido está invisíbel detrás da imaxe, de xeito que a procura 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?
+
O PDF corrixe a páxina: as fontes tipográficas, os vectores, as imaxes raster e as coordenadas do texto conxélanse para que todos os lectores vexan a mesma disposición. O xeito en que se garda a páxina decide a información de resolución e cor coa que o recoñecidor ten que traballar.
Algo específico do PDF?
+
Si, un PDF é un gráfico de obxectos, non unha imaxe de páxina, polo que o texto permanece seleccionábel e os vectores permanecen nítidos sen importar o que suceda co contido raster dentro del. Isto 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 empezan 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 ao PDF OCR?
+
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 no PDF OCR?
+
Si: as contas gratuítas procesan documentos de ata 25 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 habitual que exceden este tamaño, e comprimir o documento primeiro é normalmente suficiente para recuperalo.
O OCR PDF reducirá a calidade dos meus documentos PDF?
+
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 o OCR PDF en varios documentos PDF 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?
+
No. OCR PDF is free without an account, and nothing is added to the document. The upload and the result are deleted automatically about 24 hours after the job, which leaves time to download the result.
