PDF به متن (OCR)
استخراج متن از PDFهای اسکن‌شده
OCR متن را از تصاویر و PDFها استخراج می‌کند. LlamaPDF ابتدا بررسی می‌کند که آیا PDF لایه متنی قابل انتخاب دارد و اگر داشته باشد آن را مستقیماً کپی می‌کند — سریع و بدون اتلاف. در غیر این صورت (یا برای تصاویر)، از تشخیص متن استفاده می‌کند که کاملاً در مرورگر شما اجرا می‌شود و از ۸۱ زبان با تشخیص خودکار اختیاری پشتیبانی می‌کند. بار اول، مرورگر شما موتور تشخیص (حدود ۳ مگابایت) و داده‌های زبان (حدود ۱٫۵ مگابایت برای هر زبان؛ با تشخیص خودکار در مجموع حدود ۷٫۸ مگابایت) را دانلود می‌کند.
فایل خود را اینجا بکشید و رها کنید
یا برای انتخاب کلیک کنید
حداکثر ۵۰ مگابایت · بدون نیاز به ثبت‌نام
فایل شما روی دستگاهتان می‌ماند — هرگز آپلود نمی‌شود
چگونه با OCR متن را از PDF یا تصویر استخراج کنیم
- 1
PDF اسکن‌شده یا فایل تصویری خود را با کشیدن به کادر بالا یا کلیک و انتخاب اضافه کنید. ابزار از فایل‌های PDF، PNG، JPG و WebP پشتیبانی می‌کند.
- 2
برای بهترین دقت تشخیص، زبان متن سند را انتخاب کنید یا «تشخیص خودکار» را برگزینید. برای اسناد چندزبانه حداکثر ۲ زبان دیگر اضافه کنید. نتیجه متن ساده است: شکست خطوط حفظ می‌شود، اما جدول‌ها و چیدمان ستونی بازسازی نمی‌شوند.
- 3
روی استخراج متن کلیک کنید تا تشخیص نوری کاراکتر روی سند شما اجرا شود. متن استخراج‌شده را بازبینی و کپی کنید یا به‌صورت فایل متنی دانلود کنید. تمام پردازش OCR مستقیماً در مرورگر شما با الگوریتم‌های پیشرفته شناسایی اجرا می‌شود — اسناد شما هرگز به سروری آپلود نمی‌شوند و حریم خصوصی کامل تضمین می‌گردد.
چرا از ابزار OCR ما استفاده کنید؟
اسناد اسکن‌شده، صفحات عکس‌برداری‌شده و PDFهای تصویری متن ارزشمند را درون تصویر زندانی می‌کنند. تا آن محتوا را به متن قابل خواندن برای ماشین تبدیل نکنید، نمی‌توانید آن را جست‌وجو، کپی، ویرایش یا دوباره استفاده کنید. ابزار OCR ما با تحلیل ساختار بصری سند و استخراج متن آن این مشکل را حل می‌کند. از رسیدهای تک‌صفحه‌ای تا قراردادهای اسکن‌شده چندصفحه‌ای و مقالات دانشگاهی را پوشش می‌دهد — و متن چاپی را به ۸۱ زبان تشخیص می‌دهد.
چون کل فرایند به‌صورت محلی در مرورگر شما اجرا می‌شود، اسناد حساس شما — قراردادهای حقوقی، پرونده‌های پزشکی، صورت‌های مالی — هرگز از دستگاهتان خارج نمی‌شوند. آپلود و پردازش ابری در کار نیست؛ فقط موتور تشخیص و داده‌های زبان یک بار از یک CDN عمومی دانلود می‌شوند. برای کارهای ساده‌تر مانند استخراج متن از یک عکس یا اسکرین‌شات، ابزار تصویر به متن ما تجربه‌ای ساده‌تر ارائه می‌دهد. پس از استخراج متن، آن را با مبدل متن به PDF به یک سند مرتب تبدیل کنید یا PDF اصلی را مستقیماً ویرایش کنید.
OCR چیست؟
OCR (تشخیص نوری نویسه) فناوری‌ای است که تصاویر متن — از اسناد اسکن‌شده، عکس‌ها یا PDFهای تصویری — را به متن قابل خواندن برای ماشین و قابل ویرایش تبدیل می‌کند. موتورهای OCR شکل‌ها، الگوها و روابط فضایی نویسه‌ها را در تصویر تحلیل می‌کنند تا حروف، اعداد و نمادها را شناسایی کنند. OCR مدرن از زبان‌های بسیاری پشتیبانی می‌کند و انواع گسترده‌ای از قلم‌ها، اندازه‌ها و چیدمان‌ها را پردازش می‌کند. این فناوری پایه دیجیتال‌سازی اسناد، ساخت PDFهای قابل جست‌وجو، ورود خودکار داده و ابزارهای دسترس‌پذیری است که متن چاپی را بلند می‌خوانند.