OCR PDF

Udtrækker søgbar tekst fra scannede dokumenter.

Guide og FAQ

Om dette værktøj

Gør scannede PDF'er og billedbaserede dokumenter søgbare og nemme at kopiere fra - genkend tekst i din browser med Tesseract.js, uden at uploade sider til en cloud-OCR-farm. Vælg sprog, kør genkendelse lokalt, og download en PDF med et skjult tekstlag, der matcher den synlige scan. Gratis, uden konto. Uundværligt for arkivkontrakter, myndighedsformularer og forsknings-PDF'er, hvor du har brug for Ctrl+F, kopier-indsæt eller et senere PDF-til-Word-trin.

What you get
  • Output: PDF med et usynligt tekstlag over hver side - søgning og kopiering virker i Acrobat, Preview og browsere.
  • Motor: Tesseract LSTM kører lokalt via WebAssembly - ingen tredjeparts-OCR-API som standard.
  • Sprog: flersprogede pakker kombineres med + - nøjagtighed afhænger af træningsdata for hvert skrift.
  • Visuelt: sideudseendet forbliver scannet; OCR sætter ikke teksten om eller retter skæve margener automatisk.
  • Håndskrift: kursiv og underskrifter fejler som regel eller bliver delvise - maskinskrevet tekst fungerer bedst.
  • Grænser: store scans ved 300 dpi tager tid på ældre bærbare; meget svag tekst eller tung støj reducerer nøjagtighed.
Hvornår skal det bruges
  • Gør et gammelt papirarkiv søgbart uden at sende mængder til en ekstern OCR-leverandør.
  • Forbered scannede kontrakter til PDF til Word, når født-digital tekst ikke findes.
  • Aktivér kopier-indsæt fra myndigheds-PDF'er, der teknisk set er billeder.
  • Indekser mødepakker scannet fra print til interne vidensbaser.
Why JoyPDF for this

Cloud-OCR-tjenester uploader hver side - inklusive underskrifter, kontonumre og klassificerede afsnit - for at genkende tekst eksternt. JoyPDF OCR kører helt i din browser: pixels og genkendte strenge bliver på enheden under behandling. Du vælger sprog eksplicit i stedet for at en server gætter. Det passer til GDPR, advokatfortrolighed og næsten luftgappede workflows, hvor udgående dokumentoverførsel er forbudt.

Sådan bruger du det
  1. 1Tilføj din scannede PDFSlip filen eller vælg den på din enhed. Sider indlæses lokalt - ingen server-side OCR-kø.
  2. 2Vælg OCR-sprogVælg genkendelsessprog - f.eks. engelsk, polsk eller kombineret eng+pol til tosprogede scans.
  3. 3Kør genkendelseJoyPDF behandler hver side på din enhed; fremskridt vises per side, fordi OCR er CPU-tungt.
  4. 4Download søgbar PDFGem den OCR-behandlede fil - visuelt lig den scannede, men med markerbar, søgbar tekst under.

Ofte stillede spørgsmål

Hvilke sprog understøtter JoyPDF OCR?
JoyPDF bruger Tesseract-sprogpakker, du vælger - almindelige latinske skrifter (engelsk, polsk, tysk, fransk, spansk osv.) og mange andre afhængigt af tilgængelig traineddata. Kombiner sprog med + til tosprogede dokumenter, f.eks. pol+eng til polsk brødtekst med engelske overskrifter. Forkert sprogvalg giver meningsløs genkendelse - match dokumentet, ikke din UI-locale. Sjældne skrifter eller blandet lodret tekst kan kræve specialist-desktop-OCR, hvis JoyPDF-resultater er dårlige. Downloadede sprogdata indlæses i browsersessionen; de sendes ikke tilbage med din PDF. Tjek netværksfanen i din browsers udviklerværktøjer: kun app-ressourcer indlæses, ikke dit dokument. Sammenlign resultatet med originalen, før du sender filen til eksterne parter, retten eller et compliance-arkiv.
Hvor præcis er browser-OCR sammenlignet med Adobe?
Rene kontorscans ved 200-300 dpi med vandret maskinskrevet tekst når ofte høj nøjagtighed - godt nok til søgning og groft kopier-indsæt. Skæve telefonbilleder, stempler over tekst, tabeller med linjer og fodnoter reducerer præcision i enhver motor. JoyPDF slår ikke menneskelig genindtastning af en kritisk klausul - tjek altid juridiske og medicinske strenge. Adobes cloud-OCR kan være en smule bedre på svære layouts, men kræver upload. Til intern søgbarhed i bulk-arkiver vinder lokale OCR-kompromiser som regel på privatliv. Tjek netværksfanen i din browsers udviklerværktøjer: kun app-ressourcer indlæses, ikke dit dokument. Sammenlign resultatet med originalen, før du sender filen til eksterne parter, retten eller et compliance-arkiv.
Ændrer OCR det visuelle udseende af min PDF?
Scanbilledet forbliver det synlige lag - OCR tilføjer et usynligt tekstlag under til søgning og markering. Du bør ikke se skift af skrifttyper på selve siden, medmindre din læser fremhæver OCR-tekst. Filstørrelsen kan vokse moderat af indlejrede tekststreams. Hvis du har brug for et rent genindskrevet dokument, fungerer OCR derefter PDF til Word bedre end at forvente, at OCR alene erstatter scannet visuelt. Sløring efter OCR kræver Slør PDF - OCR fjerner ikke følsomme pixels. Sammenlign resultatet med originalen, før du sender filen til eksterne parter, retten eller et compliance-arkiv. Tjek netværksfanen i din browsers udviklerværktøjer: kun app-ressourcer indlæses, ikke dit dokument.
Uploades min scannede PDF under OCR?
Nej. Genkendelse kører lokalt med Tesseract.js i WebAssembly. Sidebilleder behandles i hukommelsen på din enhed; JoyPDF-servere modtager ikke dokumentbytes til OCR. Sprogmodelfiler downloades fra CDN som enhver WASM-afhængighed - ikke dit dokumentindhold. Verificer med netværksværktøjer, hvis compliance kræver bevis. Luk fanen efter eksport på delte maskiner, fordi OCR-output kan indeholde udtrukne personoplysninger i tekstlaget. Luk fanen efter download på delte maskiner, og tøm download-mappen efter behov i henhold til din sikkerhedspolitik. Al behandling sker lokalt i din browser - din fil når aldrig JoyPDF-servere.
Kan jeg OCR'e en PDF og derefter konvertere til Word?
Ja - det er en almindelig pipeline. Scannede PDF'er mangler struktur til PDF til Word, indtil OCR tilføjer tekst. Kør OCR PDF først for søgbar tekst, derefter PDF til Word til redigerbare afsnit - eller aktivér OCR-først-valg i PDF til Word, når det tilbydes. Dobbelt-OCR hjælper sjældent. For formularer med afkrydsningsfelter forvent manuel oprydning i Word uanset. Hvis kun søgning betyder noget, er OCR alene nok uden Word-konvertering. Planlæg workflow i den rigtige rækkefølge, gem en backup af originalen, og test på et repræsentativt udsnit, før du behandler hele batchen. Sammenlign resultatet med originalen, før du sender filen til eksterne parter, retten eller et compliance-arkiv.
Hvorfor er OCR langsom på min computer?
OCR er CPU-tungt: hver side analyseres i den billedopløsning, du har indlejret i scannet. En 300 dpi, 200-siders bog kan tage mange minutter på en ældre bærbar - normalt, ikke en fejl. Luk andre faner for at frigøre RAM. Opdel PDF'en og OCR kapitler separat, hvis fanen crasher. Fremskridt vises per side. Hurtigere hardware hjælper mere end at prøve igen. Nat-batch på desktop slår kamp mod telefonbrowser til store arkiver. Sammenlign resultatet med originalen, før du sender filen til eksterne parter, retten eller et compliance-arkiv. Tjek netværksfanen i din browsers udviklerværktøjer: kun app-ressourcer indlæses, ikke dit dokument.

About · Blog · Privacy