Narzędzie Pliki

OCR PDF i odczytywanie tekstu ze skanów

Wyodrębnij zaznaczalny tekst lub rozpoznaj lokalnie tekst ze skanów.

Działa w przeglądarce. Bez przesyłania.

Tekst z PDF można wyodrębnić bez OCR.

O tym narzędziu

OCR PDF i odczytywanie tekstu ze skanów w prostym wydaniu.

Model OCR pobiera się po uruchomieniu. Odręczne pismo, kolumny i niewyraźne skany mogą zostać błędnie odczytane. Sprawdź wynik; narzędzie nie tworzy przeszukiwalnego PDF.

Przewodnik

Korzystanie z narzędzia OCR PDF i odczytywanie tekstu ze skanów

Ta strona wyciąga tekst z PDF. Jeśli strona zawiera już tekst do zaznaczania, kopiuje go bezpośrednio. Jeśli strona jest tylko obrazem, jak w skanie, uruchamia optyczne rozpoznawanie znaków, czyli OCR, aby odczytać litery z obrazu. Wybierasz język drukowanego tekstu i strony do odczytu, naciskasz jeden przycisk, a potem kopiujesz tekst. PDF jest otwierany i odczytywany na Twoim własnym urządzeniu. Wynik to wyłącznie zwykły tekst. Strona nie buduje nowego PDF z możliwością wyszukiwania, nie zachowuje układu i nie czyta dobrze pisma odręcznego.

Jak z tego korzystać

  1. Naciśnij pole pliku pod Wybierz zeskanowany plik PDF i wybierz plik PDF ze swojego urządzenia.
  2. Otwórz Język tekstu i wybierz język wydrukowany na stronach. W każdym uruchomieniu można użyć tylko jednego języka i ma to znaczenie tylko dla stron będących obrazami.
  3. W polu Strony do skanowania zostaw słowo all albo wpisz strony, na przykład 1-3,5. Numery muszą mieścić się między 1 a ostatnią stroną pliku.
  4. Naciśnij Wyodrębnij tekst / OCR. Pojawi się pasek postępu, a wiersz stanu będzie odliczał strony, na przykład Reading page 1 of 3. Zeskanowana strona wymaga wcześniejszego pobrania pliku językowego, więc pierwsze uruchomienie może trwać dłużej.
  5. Przeczytaj pole Wyodrębniony tekst. Każda strona zaczyna się od wiersza takiego jak --- Page 1 ---, a strony są oddzielone pustym wierszem.
  6. Naciśnij Kopiuj tekst, aby wkleić go do własnego edytora, albo Pobierz TXT, aby zapisać tekst jako zwykły plik. Naciśnij Wyczyść, aby zacząć od nowa.

Przykłady z obliczeniami

Plik PDF, który ma już zaznaczalny tekst

Wpisujesz
Pdf
1 strona z wierszami tekstu: Notatki ze spotkania klubu ogrodniczego / Następne spotkanie jest we wtorek wieczorem
Język
Angielski
Strony
wszystkie
Otrzymujesz
Tekst
--- Strona 1 --- Notatki ze spotkania klubu ogrodniczego Następne spotkanie jest we wtorek wieczorem

Tekst został pobrany prosto z pliku, bez OCR. Dwa wiersze połączono spacją, więc podziały wierszy giną na stronach, które używają własnego tekstu.

Nieobliczone w narzędziu. Traktuj to jako ilustrację.

Zeskanowana strona odczytana za pomocą OCR

Wpisujesz
Pdf
1 strona będąca tylko obrazem słów Faktura 2026 / Do zapłaty 45 euro
Język
Angielski
Strony
wszystkie
Otrzymujesz
Tekst
--- Strona 1 --- Faktura 2026 Do zapłaty 45 euro

Nie dało się zaznaczyć tekstu, więc strona została narysowana jako obraz i odczytana przez OCR. Ten obraz testowy miał czystą, dużą czcionkę. Prawdziwe skany są bardziej nieporządne, więc zawsze sprawdzaj wynik.

Nieobliczone w narzędziu. Traktuj to jako ilustrację.

Plik łączący skany i prawdziwy tekst

Wpisujesz
Pdf
3 strony: obraz tekstu, strona z prawdziwym tekstem, obraz tekstu
Język
Angielski
Strony
wszystkie
Otrzymujesz
Tekst
--- Strona 1 --- Faktura 2026 Do zapłaty 45 euro --- Strona 2 --- Ta strona zawiera prawdziwy tekst, który można zaznaczyć --- Strona 3 --- Witaj, zeskanowany świecie Druga linia tutaj

Strona 2 miała własny tekst, więc została skopiowana bezpośrednio. Strony 1 i 3 zostały odczytane przez OCR. Wynik zachowuje oryginalną kolejność stron.

Nieobliczone w narzędziu. Traktuj to jako ilustrację.

Zły język gubi akcenty

Wpisujesz
Pdf
1 zeskanowana strona z tekstem Camión rápido / El niño está aquí
Język a
Angielski
Język b
Español
Otrzymujesz
Angielski
Camion rapido El nino esta aqui
Español
Camión rápido El niño está aquí

Z modelem angielskim akcenty zniknęły. Dokładnie błędne litery mogą zmieniać się wraz z obrazem i czcionką. Z modelem hiszpańskim tekst wyszedł dobrze. Wybierz język zgodny z drukowaną stroną.

Nieobliczone w narzędziu. Traktuj to jako ilustrację.

Wybieranie stron za pomocą zakresu

Wpisujesz
Pdf
4 strony
Strony
3, 1-2
Otrzymujesz
Odczytane strony
1, 2, 3
Strona pominięta
4

Numery są porządkowane, a powtórzenia łączone. Strona 4 nie jest odczytywana. Numer spoza pliku, taki jak 0-2 lub 2-9 dla pliku 4-stronicowego, daje komunikat Wybierz numery stron od 1 do 4.

Obliczone kodem samego narzędzia.

Plik z więcej niż 120 stronami

Wpisujesz
Pdf
121 stron
Strony
1-3
Otrzymujesz
Status
Ze względów bezpieczeństwa to narzędzie obsługuje do 120 stron naraz. Użyj zakresu stron, aby przetworzyć mniejszą część.

Liczba stron całego pliku jest sprawdzana, zanim użyty zostanie zakres. Dlatego plik 121-stronicowy jest odrzucany, nawet jeśli prosisz o trzy strony. Plik 120-stronicowy z zakresem 119-120 zadziałał.

Obliczone kodem samego narzędzia.

Kiedy to pomaga

  • Skopiuj słowa ze zeskanowanego listu, formularza lub wydrukowanej strony do e-maila lub dokumentu.
  • Uzyskaj tekst zeskanowanego artykułu lub rozdziału książki, aby móc go przeszukiwać lub z niego cytować.
  • Wyciągnij tekst z pliku PDF, w którym nie da się zaznaczyć słów myszą.
  • Zamień kilka stron zeskanowanej umowy lub raportu w tekst, który przeczytasz na małym ekranie.
  • Przeczytaj zeskanowany materiał w jednym z 16 języków oferowanych na stronie.
  • Przeczytaj tylko jeden rozdział długiej zeskanowanej książki, wpisując jego zakres stron.

Ograniczenia, o których warto pamiętać

  • Języki OCR to angielski, hiszpański, francuski, niemiecki, portugalski, arabski, chiński uproszczony, japoński, koreański, hindi, bengalski, rosyjski, urdu, turecki, wietnamski i indonezyjski. Na jedno uruchomienie można wybrać tylko jeden, a strona nie potrafi sama wykryć języka.
  • Cały plik może mieć najwyżej 120 stron, nawet jeśli zakresem stron prosisz o mniej. W przypadku dłuższego pliku najpierw podziel go narzędziem do PDF.
  • Strona jest traktowana jako prawdziwy tekst tylko wtedy, gdy ma więcej niż 20 zaznaczalnych znaków. Każda inna strona jest rysowana jako obraz i odczytywana przez OCR, nawet jeśli znajduje się na niej kilka zabłąkanych znaków.
  • Strony są rysowane w rozmiarze do 1,7 razy większym od oryginału i nie szerszym niż około 1800 pikseli przed odczytem, więc bardzo drobny druk, blady tusz, kolumny, tabele i pismo odręczne są często błędnie odczytywane.
  • Wynik to wyłącznie zwykły tekst. Układ, obrazy, tabele i czcionki nie są zachowywane, strony z tekstem wychodzą bez podziałów wierszy i nie powstaje PDF z możliwością wyszukiwania.
  • Naciśnięcie Anuluj zatrzymuje odczyt po bieżącej stronie. Tekst już odczytanych stron zostaje zachowany i możesz ponownie nacisnąć Wyodrębnij.

Wskazówki

  • Najpierw wypróbuj jedną lub dwie strony, wpisując zakres, na przykład 1-2. Sprawdź język i jakość, a potem uruchom cały plik.
  • Wybierz język wydrukowanego tekstu, a nie język ekranu. Zły wybór gubi akcenty i błędnie odczytuje litery.
  • Użyj prostego, ostrego, dobrze oświetlonego skanu. Przekrzywione, nieostre lub zacienione strony dają gorszy tekst.
  • Porównaj wynik ze stroną, zwłaszcza liczby, daty, imiona i kwoty, gdzie ma znaczenie jedna błędna cyfra.
  • Podziel długi plik na części liczące mniej niż 120 stron i przetwarzaj te części jedna po drugiej.
  • Zostaw tę kartę otwartą do końca skanowania, bo długie pliki mogą chwilę trwać na wolnym urządzeniu.

Źródła

Częste pytania

O OCR PDF i odczytywanie tekstu ze skanów.

Czy mogę skopiować tekst ze zeskanowanego pliku PDF?

Tak. Wybierz plik i język, a potem naciśnij Wyodrębnij tekst / OCR. Strony będące tylko obrazami są odczytywane przez OCR, a tekst pojawia się w polu do skopiowania. Rozpoznawanie może popełniać błędy, więc sprawdź wynik ze stroną.

Czy mój plik PDF jest przesyłany na serwer?

Nie. Plik PDF jest otwierany i odczytywany w Twojej przeglądarce. Silnik OCR i plik językowy są ładowane z plików tej samej witryny przy pierwszej potrzebie. Zawartość Twojego pliku PDF nie jest nigdzie wysyłana.

Jakie języki potrafi czytać?

Oferuje 16: angielski, hiszpański, francuski, niemiecki, portugalski, arabski, chiński uproszczony, japoński, koreański, hindi, bengalski, rosyjski, urdu, turecki, wietnamski i indonezyjski. Wybierasz jeden na każde uruchomienie, więc stronę w dwóch językach najlepiej podzielić na osobne uruchomienia.

Dlaczego muszę wybrać język?

Silnik odczytu używa pliku języka, by wiedzieć, jakich liter i słów się spodziewać. Zły wybór daje błędne wyniki, takie jak utracone akcenty. Język ma znaczenie tylko dla zeskanowanych stron, ponieważ prawdziwy tekst jest kopiowany bez zmian.

Dlaczego pierwsze uruchomienie było powolne?

Przy pierwszej zeskanowanej stronie przeglądarka musi pobrać silnik OCR, kilka megabajtów, oraz plik językowy, który ma mniej więcej od 0,4 do 2 MB dla oferowanych języków. Strona informuje, że przeglądarka zachowuje plik, więc kolejne uruchomienia są szybsze, dopóki pamięć podręczna nie zostanie wyczyszczona.

Skąd narzędzie wie, że strona wymaga OCR?

Najpierw próbuje odczytać tekst zapisany na każdej stronie. Jeśli strona ma ponad 20 znaków zaznaczalnego tekstu, używany jest ten tekst. Jeśli nie, strona jest rysowana jako obraz i odczytywana przez OCR. Jeśli wszystkie strony mają tekst, OCR nie jest uruchamiany i nie jest ładowany żaden plik językowy.

Czy tworzy plik PDF z możliwością wyszukiwania?

Nie. Daje zwykły tekst do skopiowania, a Twój oryginalny plik PDF nie jest zmieniany. Jeśli potrzebujesz pliku PDF z ukrytą warstwą tekstu, potrzebujesz innego narzędzia.

Dlaczego niektóre strony wychodzą jako jeden długi wiersz?

Strony, które mają własny tekst, są odczytywane element po elemencie i łączone spacjami, więc ich podziały wierszy nie są zachowane. Strony odczytane przez OCR zachowują podziały wierszy, które czytnik znalazł na obrazie.

Jak dokładny jest wynik?

To zależy od skanu. Czysty, duży, prosty druk w odpowiednim języku jest odczytywany dobrze. Drobny druk, blady tusz, pismo odręczne, kolumny i tabele częściej zawierają błędy. Zawsze sprawdzaj imiona, daty i liczby, zanim użyjesz tekstu.

Czy jest limit liczby stron lub rozmiaru pliku?

Plik może mieć w sumie co najwyżej 120 stron. Kod strony nie ustawia limitu rozmiaru w megabajtach, ale duże pliki wymagają więcej pamięci na urządzeniu i trwają dłużej, bo strony są odczytywane jedna po drugiej.

Jak zapisać tekst do pliku?

Naciśnij Pobierz TXT, aby zapisać zwykły plik tekstowy, albo naciśnij Kopiuj tekst i wklej go do edytora. Pole Wyodrębniony tekst jest tylko do odczytu, więc nie możesz edytować w nim. Każda strona zaczyna się od wiersza takiego jak --- Page 1 ---, który możesz usunąć w edytorze.

Czy może odczytać pismo odręczne lub tabele?

Niezawodnie nie. Silnik odczytu jest zbudowany dla tekstu drukowanego. Pismo odręczne jest często źle odczytywane, a tabele wychodzą jako wiersze zwykłego tekstu bez wierszy i kolumn. Traktuj wynik jako wersję roboczą, którą poprawiasz ręcznie.

Czy mój zeskanowany plik PDF jest przesyłany na serwer?

Nie. Proces OCR przebiega w Twojej przeglądarce. Wybrane dane językowe są ładowane z zasobu UsefulVerse przy pierwszym użyciu i mogą zostać pobrane ponownie, jeśli wyczyścisz pamięć podręczną.