PDF na text (OCR)
Extrahujte text z naskenovaných PDF
OCR extrahuje text z obrázků a PDF. LlamaPDF nejprve zkontroluje, zda PDF už obsahuje označitelnou textovou vrstvu, a pokud ano, zkopíruje ji přímo — rychle a bezeztrátově. Pokud ne (nebo u obrázků), použije rozpoznávání textu, které běží zcela ve vašem prohlížeči, podporuje 81 jazyků a volitelnou automatickou detekci. Při prvním použití si prohlížeč stáhne rozpoznávací modul (asi 3 MB) a jazyková data (asi 1,5 MB na jazyk; s automatickou detekcí celkem asi 7,8 MB).
Přetáhněte soubor sem
nebo klikněte pro výběr
Max 50 MB · Bez registrace
Váš soubor zůstává na vašem zařízení — nikdy se nenahrává
Jak extrahovat text z PDF nebo obrázku pomocí OCR
- 1
Přidejte naskenované PDF nebo obrázek přetažením do pole výše nebo kliknutím ho vyberte. Nástroj podporuje soubory PDF, PNG, JPG a WebP.
- 2
Pro co nejpřesnější rozpoznání zvolte jazyk textu v dokumentu nebo Automatická detekce. U vícejazyčných dokumentů přidejte až 2 další jazyky. Výsledkem je prostý text: zalomení řádků se zachovají, tabulky a rozvržení do sloupců však ne.
- 3
Klikněte na Extrahovat text pro spuštění optického rozpoznávání znaků. Zkontrolujte a zkopírujte extrahovaný text, nebo si jej stáhněte jako textový soubor. Veškeré OCR zpracování probíhá přímo ve vašem prohlížeči pomocí pokročilých rozpoznávacích algoritmů — dokumenty se nikdy nenahrávají na server, což zajišťuje naprosté soukromí.
Proč používat náš OCR nástroj?
Naskenované dokumenty, vyfotografované stránky a PDF tvořená obrázky uzavírají cenný text do obrázků. Takový obsah nelze vyhledávat, kopírovat, upravovat ani znovu použít, dokud ho nepřevedete na strojově čitelný text. Náš nástroj OCR to řeší analýzou vizuální struktury dokumentu a extrakcí jeho textu. Poradí si se vším od jednostránkových účtenek po vícestránkové naskenované smlouvy a odborné články — a rozpoznává tištěný text v 81 jazycích.
Protože celý proces běží lokálně ve vašem prohlížeči, vaše citlivé dokumenty — smlouvy, zdravotní záznamy, bankovní výpisy — nikdy neopustí vaše zařízení. Nic se nenahrává a nic se nezpracovává v cloudu; jen rozpoznávací modul a jazyková data se jednou stáhnou z veřejné CDN. Pro jednodušší úlohy, jako je extrakce textu z jedné fotky nebo snímku obrazovky, nabízí náš nástroj Obrázek na text jednodušší postup. Až budete mít text extrahovaný, převeďte ho na plnohodnotný dokument pomocí převodníku textu do PDF nebo upravte přímo původní PDF.
Co je OCR?
OCR (optické rozpoznávání znaků) je technologie, která převádí obrázky textu — z naskenovaných dokumentů, fotografií nebo PDF tvořených obrázky — na strojově čitelný a upravitelný text. Moduly OCR analyzují tvary, vzory a vzájemné umístění znaků v obrázku a rozpoznávají písmena, číslice a symboly. Moderní OCR podporuje mnoho jazyků a zvládá širokou škálu písem, velikostí a rozvržení. Je základní technologií digitalizace dokumentů, vytváření prohledávatelných PDF, automatického zadávání dat a nástrojů přístupnosti, které tištěný text předčítají nahlas.