OCR PDF
חלץ טקסט ניתן לחיפוש ממסמכים סרוקים.
מדריך ושאלות נפוצות
על הכלי הזה
הפכו PDF סרוקים ומסמכים מבוססי תמונה לקבצים לחיפוש ולהעתקה - זיהוי טקסט בתוך הדפדפן עם Tesseract.js, בלי להעלות עמודים ל-farm OCR בענן. בחרו שפות, הריצו זיהוי מקומית, והורידו PDF עם שכבת טקסט נסתרת מיושרת לסריקה הנראית. חינם, בלי חשבון. חיוני לחוזים בארכיון, טפסים ממשלתיים ו-PDF מחקר שבהם צריך Ctrl+F, העתק-הדבק או המרה ל-Word בהמשך.
What you get
- פלט: PDF עם שכבת טקסט בלתי נראית על כל עמוד - חיפוש והעתקה עובדים ב-Acrobat, Preview ודפדפנים.
- מנוע: Tesseract LSTM רץ מקומית דרך WebAssembly - בלי API OCR צד שלישי כברירת מחדל.
- שפות: חבילות רב-לשוניות משולבות עם + - דיוק תלוי בנתוני אימון לכל כתב.
- חזותי: מראה העמוד נשאר הסריקה; OCR לא מקליד מחדש או מיישר שוליים נטויים אוטומטית.
- כתב יד: כתב יד וחתימות בדרך כלל נכשלים או חלקיים - הדפסה מוקלדת עובדת הכי טוב.
- מגבלות: סריקות גדולות ב-300 dpi לוקחות זמן במחשבים ניידים ישנים; טקסט עמום מאוד או רעש כבד מורידים דיוק.
מתי להשתמש
- הפיכת ארכיון נייר ישן לחיפוש בלי לשלוח כרכים לספק OCR חיצוני.
- הכנת חוזים סרוקים ל-PDF ל-Word כשאין טקסט דיגיטלי מלידה.
- אפשרות העתק-הדבק מ-PDF ממשלתיים שהם טכנית תמונות.
- אינדוקס חבילות ישיבות שסרקו מהדפסות לבases ידע פנימיים.
Why JoyPDF for this
שירותי OCR בענן מעלים כל עמוד - כולל חתימות, מספרי חשבון ופסקאות מסווגות - לזיהוי מרחוק. OCR של JoyPDF רץ כולו בדפדפן: פיקסלים ומחרוזות מזוהות נשארים על המכשיר במהלך העיבוד. אתם בוחרים שפות במפורש במקום ששרת ינחש. מתאים ל-GDPR, חסינות משפטית ותהליכי עבודה שבהם העברת מסמכים החוצה אסורה.
איך להשתמש
- 1הוסיפו PDF סרוקגררו את הקובץ או בחרו מהמכשיר. עמודים נטענים מקומית - בלי תור OCR בשרת.
- 2בחרו שפות OCRבחרו שפות זיהוי - למשל אנגלית, פולנית, או eng+pol משולב לסריקות דו-לשוניות.
- 3הריצו זיהויJoyPDF מעבד כל עמוד על המכשיר; ההתקדמות מוצגת לפי עמוד כי OCR כבד על CPU.
- 4הורידו PDF לחיפוששמרו את הקובץ אחרי OCR - דומה חזותית לסריקה אבל עם טקסט ניתן לבחירה ולחיפוש מתחת.
שאלות נפוצות
אילו שפות OCR של JoyPDF תומך?
JoyPDF משתמש בחבילות שפה של Tesseract שאתם בוחרים - כתבי Latin נפוצים (אנגלית, פולנית, גרמנית, צרפתית, ספרדית ועוד) ורבים אחרים לפי traineddata זמין. שלבו שפות עם + למסמכים דו-לשוניים, למשל pol+eng לטקסט פולני עם כותרות באנגלית. בחירת שפה שגויה מייצרת זיהוי ג'יבריש - התאימו למסמך, לא לשפת הממשק. כתבים נדירים או טקסט מעורב אנכי עשויים לדרוש OCR שולחני מומחה אם תוצאות JoyPDF חלשות. נתוני שפה שמורידים נטענים לסשן הדפדפן; הם לא נשלחים חזרה עם ה-PDF. הכלי פועל בלי העלאה לשרת, בלי חשבון ובלי סימן מים על הפלט. העיבוד המקומי ב-WebAssembly שומר על המסמך על המכשיר שלכם בלבד, מה שמתאים ל-NDA, לרשומות רפואיות ולקבצים שמסומנים כסודיים בארגון.
עד כמה מדויק OCR בדפדפן לעומת Adobe?
סריקות משרד נקיות ב-200-300 dpi עם טקסט מוקלד אופקי לעיתים קרובות מגיעות לדיוק גבוה - מספיק לחיפוש והעתק-הדבק גס. תמונות טלפון נטויות, חותמות על טקסט, טבלאות עם קווים והערות שוליים מורידים דיוק בכל מנוע. JoyPDF לא יעבור הקלדה ידנית של סעיף קריטי - תמיד בדקו מחרוזות משפטיות ורפואיות. OCR בענן של Adobe עשוי להקדים בפריסות קשות אבל דורש העלאה. לחיפושיות פנימית בארכיונים גדולים, פשרות OCR מקומי בדרך כלל מנצחות בפרטיות. הכלי פועל בלי העלאה לשרת, בלי חשבון ובלי סימן מים על הפלט. העיבוד המקומי ב-WebAssembly שומר על המסמך על המכשיר שלכם בלבד, מה שמתאים ל-NDA, לרשומות רפואיות ולקבצים שמסומנים כסודיים בארגון.
האם OCR משנה את המראה החזותי של ה-PDF?
תמונת הסריקה נשארת השכבה הנראית - OCR מוסיף שכבת טקסט בלתי נראית מתחת לחיפוש ובחירה. לא אמורים לראות החלפת גופנים על העמוד עצמו אלא אם הקורא מדגיש טקסט OCR. גודל הקובץ עלול לגדול במידה מ-streams טקסט מוטמעים. אם צריך מסמך מוקלד נקי, OCR ואז PDF ל-Word עובדים טוב יותר מאשר לצפות ש-OCR לבד יחליף את הסריקה חזותית. השחרת מידע אחרי OCR דורשת Redact PDF - OCR לא מסיר פיקסלים רגישים. הכלי פועל בלי העלאה לשרת, בלי חשבון ובלי סימן מים על הפלט. העיבוד המקומי ב-WebAssembly שומר על המסמך על המכשיר שלכם בלבד, מה שמתאים ל-NDA, לרשומות רפואיות ולקבצים שמסומנים כסודיים בארגון.
האם ה-PDF הסרוק שלי מועלה במהלך OCR?
לא. הזיהוי רץ מקומית עם Tesseract.js ב-WebAssembly. תמונות עמודים מעובדות בזיכרון על המכשיר; שרתי JoyPDF לא מקבלים בייטים של מסמך ל-OCR. קבצי מודל שפה מורידים מ-CDN כמו כל תלות WASM - לא תוכן המסמך. אמתו עם כלי רשת אם ציות דורש הוכחה. סגרו את הלשונית אחרי ייצוא במכונות משותפות כי פלט OCR עלול להכיל PII מופק בשכבת הטקסט. בדקו את התוצאה לפני שליחה ללקוח, הגשה לבית משפט או ארכיון ארוך טווח - במיוחד כשהמסמך מכיל נתונים רגישים או מספרים שחייבים להתאים למקור.
האם אפשר OCR על PDF ואז להמיר ל-Word?
כן - זו pipeline נפוצה. PDF סרוקים חסרים מבנה ל-PDF ל-Word עד ש-OCR מוסיף טקסט. הריצו OCR PDF קודם לטקסט לחיפוש, ואז PDF ל-Word לפסקאות לעריכה - או הפעילו אפשרויות OCR-קודם ב-PDF ל-Word כשמוצע. OCR כפול לעיתים רחוקות עוזר. לטפסים עם תיבות סימון, צפו לניקוי ידני ב-Word בכל מקרה. אם רק חיפוש חשוב, OCR לבד מספיק בלי המרה ל-Word. בדקו את התוצאה לפני שליחה ללקוח, הגשה לבית משפט או ארכיון ארוך טווח - במיוחד כשהמסמך מכיל נתונים רגישים או מספרים שחייבים להתאים למקור.
למה OCR איטי על המחשב שלי?
OCR כבד על CPU: כל עמוד נותח ברזולוציית התמונה שהטמעתם בסריקה. ספר ב-300 dpi, 200 עמודים יכול לקחת דקות רבות במחשב נייד ישן - נורמלי, לא באג. סגרו לשוניות אחרות לשחרור RAM. פצלו את ה-PDF והריצו OCR על פרקים בנפרד אם הלשונית קורסת. callbacks התקדמות מציגים סטטוס לפי עמוד. חומרה מהירה יותר עוזרת יותר מניסיון חוזר. batch לילה בדסקטופ עדיף על מאבק בדפדפן טלפון לארכיונים ענקיים. הכלי פועל בלי העלאה לשרת, בלי חשבון ובלי סימן מים על הפלט. העיבוד המקומי ב-WebAssembly שומר על המסמך על המכשיר שלכם בלבד, מה שמתאים ל-NDA, לרשומות רפואיות ולקבצים שמסומנים כסודיים בארגון.