Macam mana nak jadikan PDF imbasan boleh dicari?
PDF imbasan sebenarnya timbunan gambar. Anda boleh membacanya, tetapi komputer tidak: carian tidak menjumpai apa-apa, dan memilih teks hanya mengambil seluruh muka surat sebagai gambar. OCR menyelesaikan masalah ini dengan mengenal pasti huruf pada setiap muka surat dan menyimpannya sebagai teks yang difahami komputer.
Pilih fail anda, tanda bahasa yang dicetak di dalamnya dan kekalkan PDF boleh dicari sebagai hasil. Alat ini memaparkan setiap muka surat pada resolusi tinggi, mengenal pasti teks, kemudian meletakkan lapisan teks tidak kelihatan tepat di atas perkataan pada muka surat asal. Hasilnya boleh dibuka dalam mana-mana pembaca PDF. Ia kelihatan sama seperti imbasan anda, tetapi carian, pemilihan teks dan salin kini berfungsi, dan carian fail di komputer anda boleh menjumpainya melalui kandungannya.
Muka surat yang sudah mengandungi teks sebenar, contohnya muka depan yang ditaip dalam fail yang selebihnya diimbas, dibiarkan seperti asal, jadi perkataan yang sama tidak muncul dua kali.
Petua: Tanda hanya bahasa yang benar-benar ada dalam dokumen. Setiap bahasa tambahan menjadikan pengecaman sedikit perlahan dan memberi enjin lebih banyak peluang untuk meneka perkataan yang salah.
Macam mana nak tukar PDF imbasan kepada teks?
Pilih Fail teks (.txt) sebagai hasil. Anda dapat satu fail teks biasa dengan perkataan daripada setiap muka surat, dipisahkan dengan baris kosong antara muka surat. Ini berguna apabila anda perlu memetik surat yang diimbas, menterjemah dokumen, atau memindahkan angka daripada laporan lama ke dalam hamparan.
Jika anda mahukan dokumen yang boleh disunting bersama susun aturnya, langkah seterusnya ialah menukar PDF boleh dicari itu ke Word. Untuk fail yang tidak pernah diimbas, seperti PDF yang dieksport daripada Word, OCR tidak diperlukan langsung: mengeluarkan teks secara terus lebih pantas dan tepat.
Setepat mana OCR pada imbasan dan gambar telefon?
Pada imbasan teks bercetak yang bersih dan lurus, pengecaman biasanya sangat baik. Ketepatan menurun apabila input sukar dibaca, jadi baik anda tahu perkara yang menyukarkan enjin:
- Resolusi rendah. Imbas pada 300 DPI. Teks yang nampak kabur apabila dizum akan diteka.
- Muka surat senget atau melengkung. Gambar buku yang terbuka atau gambar telefon yang condong mengelirukan pengesanan baris. Luruskan muka surat dahulu.
- Tulisan tangan. Enjin dilatih dengan huruf cetak. Huruf besar yang kemas mungkin berjaya, tetapi tulisan sambung kebanyakannya tidak.
- Cop, watermark dan latar berwarna. Teks di atasnya lebih sukar dipisahkan daripada latar belakang.
- Jadual dan berbilang lajur. Perkataan dijumpai, tetapi urutan bacaan dalam fail .txt mungkin melompat antara lajur.
Sentiasa semak nama, nombor IC dan jumlah wang dalam hasilnya sebelum anda bergantung padanya.
Selamat ke OCR dokumen sulit secara online?
Di sini selamat, kerana dokumen tidak pernah dimuat naik. Kebanyakan perkhidmatan OCR dalam talian menghantar fail anda ke pelayan, menjalankan pengecaman di sana dan menyimpan salinan untuk satu tempoh. Laman ini sebaliknya memuat turun enjin pengecaman dan data bahasanya ke pelayar anda, dan seluruh kerja berjalan dalam telefon atau komputer anda sendiri.
Anda boleh mengesahkannya: buka alat pembangun pelayar pada tab Network semasa menjalankan OCR. Anda akan nampak fail enjin dimuat turun pada kali pertama, tetapi PDF anda tidak dihantar ke mana-mana. Ini penting untuk dokumen yang biasa diimbas: salinan IC, borang cukai, penyata bank, surat doktor dan perjanjian yang sudah ditandatangani.
Bahasa apa yang boleh dikenal pasti?
Tujuh belas bahasa tersedia (lihat senarai dalam alat), dan anda boleh menanda beberapa bahasa untuk dokumen yang bercampur, seperti surat rasmi dalam Bahasa Melayu dengan lampiran dalam bahasa Inggeris, atau invois Inggeris kepada syarikat di Kuala Lumpur yang menyebut nama dan alamat tempatan. Untuk dokumen dengan tulisan Cina atau Tamil di sebelah teks Melayu, tanda bahasa yang ada dalam senarai sahaja; bahasa yang tiada dalam senarai tidak akan dikenal pasti. Model yang digunakan ialah versi “best” yang tepat daripada data bahasa Tesseract, dibungkus dalam format integer yang lebih kecil, jadi ia cepat dimuat turun dan kekal tepat.