PDFを検索およびコピー可能にします。
仕組み:
クリックしてファイルを選択します またはドラッグ&ドロップ
ファイルがデバイスの外に出ることはありません。
選択済み: なし
これらの文字のみが認識されます。すべての文字には空のままにしてください。
これらの文字のみが認識されます。すべての文字には空のままにしてください。
初期化中...
検索可能なPDFの準備ができました。下に抽出されたテキストをコピーまたはダウンロードすることもできます。
処理中...
ファイルをクリックまたはドラッグ&ドロップして始めます
プロセスボタンをクリックしてスタートします
処理したファイルをすぐに保存します
任意のビューアでファイルを開き、テキスト行を選択してみてください。ハイライト表示や検索で一致するものが見つからなかった場合、そのページは単なる画像 (スキャンまたは写真) であり、OCR によって不足しているテキストが追加されます。選択可能なテキストがすでに含まれている PDF には、このツールは必要ありません。
英語、スペイン語からアラビア語、ヒンディー語、日本語、中国語まで、100 を超える Tesseract 言語パックがリストされています。文書内に表示されるすべての言語にチェックを入れます。パックは一緒にロードされるため、混合言語のページは 1 回のパスで認識されます。一部のセルフホスト型展開では、短いリストがバンドルされており、言語ピッカーの上にその旨が表示されます。
いいえ。元のページは変更されずにコピーされ、目に見えないテキスト レイヤーが上に描画され、スキャンに一致するように単語ごとに配置されます。前と同じ画像が表示されますが、テキストを検索、選択、コピーできるようになりました。
高 (288 DPI) がデフォルトであり、一般的なオフィス ドキュメントを処理します。速度が重要な場合やファイルが長い場合は標準 (192 DPI) に下げ、小さな文字、脚注、スキャンが不十分な場合はウルトラ (384 DPI) を使用します。設定を高くすると、認識前にすべてのページがそのサイズでレンダリングされるため、時間がかなり長くなります。
これにより、出力が固定の文字セットに制限され、小文字の l が 1 として読み取られるなどのエラーが削減されます。Invoice プリセットでは、数字と記号 $ のみが使用できます。 、/ - # :、数値はシリアル番号またはメーター読み取り値のみに適しており、カスタムでは独自のセットを入力できます。
確実ではありません。 Tesseract は印刷されたテキストでトレーニングされているため、整然としたブロック大文字は機能する場合もありますが、筆記体はほとんどの場合ノイズを生成します。きれいで明るい印刷ページで最高の結果が得られます。二値化オプションは、色あせたスキャンやコントラストの低いスキャンに役立ちます。 PDFの傾き補正 まず傾いたものをまっすぐにします。
はい。 OCR が完了すると、抽出されたテキストがボックスに表示され、そこで確認したり、クリップボードにコピーしたり、ocr-text.txt としてダウンロードしたりできます。検索可能な PDF のダウンロードは別になっているため、どちらかまたは両方を利用できます。
いいえ。Tesseract はブラウザ内で WebAssembly として実行されます。ダウンロードされるのは、OCR エンジンと選択した言語パックのみで、最初に必要になったときに取得されます。スキャンされたページと認識されたテキストはデバイスに残ります。