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 Көп берилүүчү суроолор
PDF файлын OCR аркылуу текстке кантип айландырса болот?
+
Конкретно, каждая страница отображается, проходит через Tesseract текст-опознавающий проход в 100 языках и понимаемые слова записываются как видимый текстовый слой, расположенный над оригинальным изображением - поэтому страница выглядит неизмененной, но поиск и выбор возможны. Страница выглядит точно так же, как и раньше - понимаемый текст находится в изображении, поэтому поиск и выбор выполняются без изменения внешнего вида.
Кайсы тилдер таанылат?
+
100дөн ашык, анын ичинде латиница, кирилл, грек, араб, иврит, кытай, япон, корей жана индия жазуулары. Кайсы тилдер керектигин айтуу аны болжолдоого караганда тактыкты жогорулатат.
Булак форматы таанып билүүгө таасир этеби?
+
PDF форматы страницу исправляет: шрифты, векторы, растровые изображения и текстовые координаты замораживаются, поэтому каждый читатель видит одинаковую схему. Страница хранится так, чтобы обнаруживатель мог работать с разрешением и цветовой информацией.
PDF файлы үчүн кандайдыр бир өзгөчөлүктөр барбы?
+
Да, PDF - это графический объект, а не изображение страницы, поэтому текст остается выбираемым, а векторы остаются четкими, независимо от того, что происходит с растровым содержимым. Это влияет на то, что может увидеть распознаватель.
Бул канчалык так?
+
Тексттин таза 300 DPI сканерлөөсүндө, каталарды жокко чыгарууга жетиштүү деңгээлде жана көбүнчө адаттагы эмес ысымдар үчүн. Тазалык төмөнкү чечилиш, скотч, телефондун камерасынан чыккан көлөкөлөр, адаттагы эмес шрифттер жана кол жазмалар менен кескин төмөндөйт - кол жазмалар үчүн бул өзгөчөлүк ылайыктуу эмес.
Эмнени сканерлөө керек, мыкты натыйжа алуу үчүн?
+
Сүрөттүн түстүү диапазону 300 DPI. 200 DPIден төмөн болгондо, символдун формасы бузулуп калат; 400 DPIден жогору болгондо, сиз эч нерсеге ээ болбойсуз, бирок файлдын өлчөмү жана иштетүү убактысына байланыштуу чыгымга учурайсыз.
PDF файлына эмнелерди жүктөсө болот?
+
Стандарттык PDF файлдары, анын ичинде сканер, текст-процессор же басып чыгаруу драйвери тарабынан түзүлгөндөр. Ээсинин сырсөзү менен файлдар, алар түзөтүүнү гана чектейт, иштелип чыгат; файлдар, алар колдонуучунун сырсөзү керек болсо, иштелип чыкпайт, жана шифрлөөсүн бузуу аракети жасалбайт.
PDF файлын OCR менен таанып билүү үчүн файлдын өлчөмүн чектөө барбы?
+
Да: бесплатные учетные записи обрабатывают документы размером до 25 МБ каждый, что охватывает большинство отчетов и контрактов, но не длительный сканированный документ с разрешением 600 DPI; Ghostscript и qpdf делают работу. Сканированные PDF-файлы являются обычным делом, которое превышает это значение, и документ сжимается, чтобы вернуть его в исходное состояние.
PDF документтерин OCR менен таанып билүү сапатын төмөндөтөбү?
+
Текст жана вектордук сүрөттөр пиксел эмес, объектилер, ошондуктан алар масштабдаганда да так болуп калат. Текст жана вектордук сүрөттөр гана деградацияланат, эгерде сиз тандаган операция аларды кайра диапазондоону талап кылса.
PDF документтерин бир эле учурда бир нече PDF документтеринде OCR жүргүзсө болотбу?
+
Да — загрузить набор и они будут параллельно обрабатываться под одним набором настроек, что является целью документального рабочего процесса, а не щелчка через рабочий стол.
Бетбелгилер, шилтемелер жана формалар сакталатпы?
+
Контурлар, ички шилтемелер жана аннотациялар операция мүмкүн кылган бардык жерлерде сакталат. Цифрлык кол тамгалар гана мындайга кирет: файлга болгон ар кандай өзгөртүү кол тамганы жокко чыгарат, анткени кол тамга дал ушул максатта колдонулат.
PDF файлдарын OCR менен таанып билүү акыга бааланатбы?
+
Жок. OCR PDF акысыз, баракча жок, документке эч нерсе кошулбайт. Жүктөлгөн файл жана анын жыйынтыгы 24 сааттын ичинде автоматтык түрдө өчүрүлөт, бул натыйжаны жүктөөгө убакытты берет.
