使 PDF 可搜尋且可複製。
運作方式:
點選以選擇檔案 或將檔案拖曳至此處
您的檔案絕不會離開您的裝置。
已選擇: 無
系統只會辨識這些字元;若留空,則會辨識所有字元。
系統只會辨識這些字元;若留空,則會辨識所有字元。
正在初始化...
可搜尋的 PDF 已準備完成。也可以在下方複製或下載擷取出的文字。
正在處理…
點選或拖曳檔案至此處以開始
點選處理按鈕以開始
立即儲存處理後的檔案
在任何檢視器中開啟檔案並嘗試選擇一行文字。如果沒有反白或搜尋找不到匹配項,則頁面只是圖像(掃描件或照片),OCR 會添加缺少的文字。已經具有可選擇文字的 PDF 不需要此工具。
列出了超過 100 個 Tesseract 語言包,從英語、西班牙語到阿拉伯語、印地語、日語和中文。勾選文件中出現的每種語言;這些套件一起加載,因此可以一次識別混合語言頁面。一些自託管部署捆綁了一個較短的列表,並在語言選擇器上方註明。
不會。原始頁面原樣複製,並在頂部繪製不可見的文字圖層,逐字定位以匹配掃描件。您會看到與以前相同的圖像,但現在可以搜尋、選擇和複製文字。
預設為「高」(288 DPI),可處理典型的辦公室文件。當速度很重要或文件很長時,請使用標準 (192 DPI),而對於小字體、腳註或品質較差的掃描,請使用 Ultra (384 DPI)。設定越高,需要的時間明顯越長,因為每個頁面在識別之前都會以該尺寸呈現。
它將輸出限制為一組固定的字符,從而減少了錯誤,例如小寫 l 被讀作 1。 Invoice 預設僅允許使用數字和符號 $ 。 , / - # :, 數字僅適合序號或儀表讀數,自訂可讓您鍵入自己的設定。
不可靠。 Tesseract 接受過印刷文本的訓練,因此整齊的大寫字母有時會起作用,但草書大多會產生噪音。在乾淨、明亮的列印頁面上效果最佳;二值化選項有助於褪色或低對比度掃描,以及 PDF 糾偏 首先拉直傾斜的。
是的。 OCR 完成後,提取的文字將出現在一個框中,您可以在其中查看、將其複製到剪貼簿或將其下載為 ocr-text.txt。可搜尋的 PDF 下載是單獨的,因此您可以選擇其中一個或兩個。
不會。 Tesseract 在瀏覽器中以 WebAssembly 運作;唯一下載的是 OCR 引擎和您選擇的語言包,在第一次需要時取得。掃描的頁面和識別的文字保留在您的裝置上。