無需上傳掃描件即可搜尋掃描的 PDF
扫描一页，您的计算机就会存储它的照片。這些文字在螢幕上看起來很正確，但對於軟體來說，它們只是像素——Ctrl+F 找不到任何內容，複製貼上不會給您帶來任何幫助，而且任何地方都沒有索引知道文件內容。 光學字元辨識 （光學字元辨識）正是解決了這個問題：它查看形狀，識別字母和單詞，並在圖像下方寫入真實的文字圖層。
為什麼這在實踐中很重要
- 找到任何東西。 Ctrl+F 掃描 200 頁的掃描合約開始運作。
- 重用這些字。 報價、地址、條款編號－可選擇和複製，無需重新輸入。
- 可訪問性和索引。 屏幕阅读器和搜索引擎可以突然“阅读”文档。
無人提及的收穫
大多數線上 OCR 工具透過將文件上傳到伺服器來讀取文檔，這對於掃描您的護照、醫療記錄或客戶合約來說是一件奇怪的事情。我們的 光學字元辨識工具 採取另一條路徑：識別運行 在你的瀏覽器中 （業界標準的 Tesseract 引擎，編譯為 WebAssembly），可搜尋的 PDF 也在本地組裝。掃描永遠不會離開您的裝置。
獲得最佳準確度
- 先拉直。 傾斜兩度的頁面會降低每行的準確度。運行 相差校正 如果扫描件看起来歪斜，请在 OCR 之前进行。
- 以 300 DPI 掃描。 引擎的細節夠多；更多只會減慢速度。
- 匹配語言。 在 OCR 工具中選擇正確的語言——識別字典有所不同，法語頁面上的“英語”會產生自信的廢話。
- 注意字体。 打字機的臉和筆跡確實很難；期待那裡的修正。
光學字元辨識後
輸出是一個 PDF，看起來相同，但帶有不可見的可選擇文字。从那里它是一个普通的文档：搜索、复制、将其提供给 PDF 轉文本 用于原始单词的工具，或将其转换为可编辑格式 PDF 到 Word.
準確度檢查表
- 辨識前將頁面拉直；校正掃描讀取效果較好。
- 使用大约 300 DPI——更多的像素只会导致噪点开始产生影响。
- 选择页面上的语言，包括正确的脚本。
- 隨後搜尋三個已知詳細資料：總計、日期和姓名。
- 檢查列印輸出，而不僅僅是搜尋結果。
語言和筆跡
识别在其支持的语言的干净打印文本上效果最佳。混合语言页面会混淆语言模型；如果各部分不同，则运行单独的遍。手寫是一個困難的情況——手寫便條周圍的印刷標籤可能會被識別，但便條本身卻被遺漏。請勿將 OCR 結果視為手寫記錄的經過認證的轉錄。
之後如何處理文本
一旦掃描件具有文字圖層，就可以對其進行搜尋、複製和索引，並且可以將其轉換為 Word 或提取為文字。如果图像是合法记录，请将原始扫描件与可搜索版本放在一起。隐私是决策的另一半：基于浏览器的识别将扫描保留在您的设备上，而基于上传的服务将其发送到服务器。选择与文档敏感度相匹配的型号，而不仅仅是价格。
試試一下： 使扫描可搜索 — 本地免费：扫描永远不会离开您的设备，生成的 PDF 也以相同的方式构建。