OCR PDF
استخرج نصاً قابلاً للبحث من المستندات الممسوحة ضوئياً.
دليل وأسئلة شائعة
حول هذه الأداة
قم بتحويل ملفات PDF الممسوحة ضوئيًا ومستندات الصور فقط إلى ملفات قابلة للبحث وقابلة للنسخ - تعرف على النص داخل متصفحك باستخدام Tesseract.js، دون تحميل الصفحات إلى مزرعة OCR السحابية. اختر اللغات، وقم بتشغيل التعرف محليًا، وقم بتنزيل PDF بطبقة نص مخفية محاذاة للمسح المرئي. مجاني، بدون حساب. ضروري لعقود الأرشيف والنماذج الحكومية والبحث PDF حيث تحتاج إلى Ctrl+F أو نسخ ولصق أو تمرير PDF-إلى-Word لاحق.
What you get
- الإخراج: PDF مع طبقة نص غير مرئية فوق كل صفحة - بحث ونسخ العمل في Acrobat وPreview والمتصفحات.
- المحرك: Tesseract LSTM يعمل محليًا عبر WebAssembly - لا توجد واجهة برمجة تطبيقات OCR تابعة لجهة خارجية بشكل افتراضي.
- اللغات: حزم متعددة اللغات مدمجة مع + - تعتمد الدقة على بيانات التدريب لكل برنامج نصي.
- المرئيات: مظهر الصفحة يظل قيد الفحص؛ OCR لا يقوم بإعادة الكتابة أو تنظيف الهوامش المنحرفة تلقائيًا.
- الكتابة اليدوية: عادةً ما تفشل الكتابة المتصلة والتوقيعات أو تعمل الطباعة المكتوبة جزئيًا بشكل أفضل.
- الحدود: تستغرق عمليات المسح الكبيرة بدقة 300 نقطة في البوصة وقتًا طويلاً على أجهزة الكمبيوتر المحمولة القديمة؛ النص الباهت جدًا أو الضوضاء الشديدة يقلل من الدقة.
متى تستخدمها
- جعل الأرشيف الورقي القديم قابلاً للبحث دون إرسال المجلدات إلى بائع OCR خارجي.
- تحضير العقود الممسوحة ضوئيًا لـ PDF إلى Word عند عدم توفر النص الرقمي الأصلي.
- تمكين النسخ واللصق من PDFs الحكومية التي تعتبر صورًا من الناحية الفنية.
- فهرسة حزم الاجتماعات الممسوحة ضوئيًا من المطبوعات لقواعد المعرفة الداخلية.
Why JoyPDF for this
تقوم خدمات Cloud OCR بتحميل كل صفحة - بما في ذلك التوقيعات وأرقام الحسابات والفقرات المصنفة - للتعرف على النص عن بعد. JoyPDF OCR يعمل بالكامل في متصفحك: تبقى وحدات البكسل والسلاسل المعترف بها على الجهاز أثناء المعالجة. يمكنك اختيار اللغات بشكل صريح بدلاً من تخمين الخادم. يناسب ذلك GDPR والامتياز القانوني وسير العمل المجاور حيث يُحظر نقل المستندات الصادرة.
كيفية الاستخدام
- 1أضف PDF الممسوحة ضوئيًاقم بإسقاط الملف أو تحديده من جهازك. يتم تحميل الصفحات محليًا - لا توجد قائمة انتظار OCR من جانب الخادم.
- 2اختر OCR اللغاتحدد لغات التعرف - على سبيل المثال. الإنجليزية أو البولندية أو eng+pol المدمجة لإجراء عمليات المسح ثنائية اللغة.
- 3تشغيل التعرفJoyPDF يعالج كل صفحة على جهازك؛ يظهر التقدم في كل صفحة لأن OCR هو CPU مكثف.
- 4تحميل للبحث PDFاحفظ ملف OCR'd - مشابه بصريًا للمسح الضوئي ولكن مع وجود نص قابل للتحديد وقابل للبحث أسفله.
أسئلة شائعة
ما هي اللغات التي يدعمها JoyPDF OCR؟
يستخدم JoyPDF حزم اللغات Tesseract التي تحددها - النصوص اللاتينية الشائعة (الإنجليزية والبولندية والألمانية والفرنسية والإسبانية وغيرها الكثير) اعتمادًا على البيانات المدربة المتاحة. قم بدمج اللغات مع + للمستندات ثنائية اللغة، على سبيل المثال. pol+eng للنص الأساسي البولندي مع العناوين الإنجليزية. يؤدي الاختيار الخاطئ للغة إلى التعرف على هراء - قم بمطابقة المستند، وليس لغة واجهة المستخدم الخاصة بك. قد تحتاج البرامج النصية النادرة أو النص الرأسي المختلط إلى سطح مكتب متخصص OCR إذا كانت نتائج JoyPDF سيئة. يتم تحميل بيانات اللغة التي تم تنزيلها في جلسة المتصفح؛ ولا يتم إعادته مع PDF الخاص بك.
ما مدى دقة المتصفح OCR مقارنة بـ Adobe؟
غالبًا ما تصل عمليات المسح المكتبي النظيف بدقة 200-300 نقطة في البوصة مع النص المكتوب أفقيًا إلى دقة عالية - جيدة بما يكفي للبحث والنسخ واللصق التقريبي. صور الهاتف المنحرفة، والطوابع فوق النص، والجداول ذات القواعد، والحواشي السفلية تقلل من الدقة في أي محرك. JoyPDF لن يتفوق على الإنسان في إعادة كتابة جملة حرجة - تحقق دائمًا من السلاسل القانونية والطبية. قد تتقدم سحابة Adobe OCR للأمام في التخطيطات الصعبة ولكنها تتطلب التحميل. بالنسبة لإمكانية البحث الداخلي في الأرشيفات المجمعة، عادةً ما تفوز المفاضلات المحلية OCR بالخصوصية.
هل OCR يغير المظهر المرئي لـ PDF الخاص بي؟
تظل الصورة الممسوحة ضوئيًا هي الطبقة المرئية - يضيف OCR طبقة نص غير مرئية أسفلها للبحث والتحديد. من المفترض ألا ترى تبديل الخطوط على الصفحة نفسها ما لم يبرز العارض النص OCR. قد ينمو حجم الملف بشكل متواضع من تدفقات النص المضمنة. إذا كنت بحاجة إلى مستند نظيف معاد كتابته، فإن OCR ثم PDF إلى Word يعمل بشكل أفضل من توقع OCR وحده ليحل محل المسح الضوئي بصريًا. يتطلب التنقيح بعد OCR Redact PDF - OCR لا يزيل وحدات البكسل الحساسة.
هل تم تحميل PDF الممسوح ضوئيًا أثناء OCR؟
لا، يتم التعرف محليًا باستخدام Tesseract.js في WebAssembly. تتم معالجة صور الصفحة في ذاكرة جهازك؛ لا تتلقى خوادم JoyPDF بايتات المستندات لـ OCR. يتم تنزيل ملفات نموذج اللغة من CDN مثل أي تبعية WASM - وليس محتوى المستند الخاص بك. تحقق باستخدام أدوات الشبكة إذا كان الامتثال يتطلب إثباتًا. أغلق علامة التبويب بعد التصدير على الأجهزة المشتركة لأن إخراج OCR قد يحتوي على معلومات تحديد الهوية الشخصية (PII) المستخرجة في طبقة النص. بعد التنزيل على جهاز مشترك، أغلق التبويب وامسح مجلد التنزيلات وفق سياسة الأمان. تتم جميع المعالجة محليًا في المتصفح - الملف لا يصل أبدًا إلى خوادم JoyPDF.
هل يمكنني OCR PDF ثم تحويله إلى Word؟
نعم - هذا خط أنابيب مشترك. تفتقر PDF الممسوحة ضوئيًا إلى بنية PDF إلى Word حتى يضيف OCR نصًا. قم بتشغيل OCR PDF أولاً للنص القابل للبحث، ثم PDF إلى Word للفقرات القابلة للتحرير - أو تمكين OCR-الخيارات الأولى في PDF إلى Word عند عرضها. نادرًا ما يساعد OCR المزدوج. بالنسبة للنماذج التي تحتوي على مربعات اختيار، توقع التنظيف اليدوي في Word بغض النظر. إذا كان البحث فقط مهمًا، فإن OCR وحده يكفي بدون تحويل Word. تحقق من تبويب الشبكة في أدوات المطور بالمتصفح: تُحمَّل موارد التطبيق فقط، وليس مستندك.
لماذا يكون OCR بطيئًا على جهاز الكمبيوتر الخاص بي؟
OCR ثقيل CPU: يتم تحليل كل صفحة بدقة الصورة التي قمت بتضمينها في المسح الضوئي. يمكن أن يستغرق الكتاب الذي يبلغ حجمه 300 نقطة في البوصة والمكون من 200 صفحة عدة دقائق على جهاز كمبيوتر محمول قديم - وهو أمر طبيعي، وليس خطأً. أغلق علامات التبويب الأخرى لتحرير ذاكرة الوصول العشوائي. قم بتقسيم الفصلين PDF وOCR بشكل منفصل في حالة تعطل علامة التبويب. تُظهر عمليات رد الاتصال الخاصة بالتقدم حالة كل صفحة. الأجهزة الأسرع تساعد أكثر من إعادة المحاولة. دفعة بين عشية وضحاها على سطح المكتب تتفوق على متصفح الهاتف لأرشيفات ضخمة.