Registrer om en PDF er scannet

Analyser en PDF for at estimere, om den stammer fra et scan (billeder på siderne, fravær af skrifttyper, CCITT/JBIG2-indikatorer) og eksportér diagnosen i JSON, lokalt i din browser.

Importer en PDF

Ingen data sendes til en server: alt foregår i din browser.

← Tilbage til PDF-værktøjer

Brugssager

Beslutte om en OCR er nødvendigVide hurtigt om OCR er nødvendigt før indeksering/fuldtekst søgning.
TilgængelighedskontrolIdentificere "billede" PDF'er der ikke kan vælges (ofte ikke tilgængelige) til reparation.
UdtrækningspipelineAutomatisk dirigere dokumenter: direkte udtræk hvis tekst er til stede, OCR ellers.
Scanning QAIdentificere sider af dårlig kvalitet (for lidt tekst, dominerende billeder) i et batch af scanninger.

Det du får

En JSON-diagnose pr. side: tilstedeværelse af tekst, andel af indholdsbillede, indikationer på "scan" (ifølge heuristikker).

Indikatorer til at prioritere OCR (sider der skal behandles, sider der allerede er udnyttelige).

Grænser og opmærksomhedspunkter

Heuristisk detektion: nogle grafiske PDF'er (kataloger, slides) kan ligne scans uden at være det.
PDF'er kan indeholde "skjult tekst" (OCR allerede udført): værktøjet opdager det, men kvaliteten kan variere.
Den faktiske kvalitet af OCR vil afhænge af opløsning, kontrast og sprog — ikke vurderet præcist her.

Ofte stillede spørgsmål

Kan et scan indeholde vælgbar tekst?

Ja, hvis en OCR er anvendt: billedet forbliver, men et tekstlag tilføjes.

Gør værktøjet OCR?

Nej. Det opdager og diagnosticerer. OCR er et separat trin.

Hvorfor er en side klassificeret som “scan”, når jeg ser tekst?

Den synlige tekst kan være et billede (rendering), ikke vektortekst. Diagnosen er baseret på det interne indhold.

Tip

Før du investerer tid i udtræk, opdag scans: det er den nemmeste måde at undgå at "jage" tekst der ikke eksisterer uden OCR.