Egy PDF szkennelésének észlelése

Egy PDF elemzése annak megbecsülésére, hogy szkennelésből származik-e (képek az oldalakon, betűtípusok hiánya, CCITT/JBIG2 jelek) és a diagnózis exportálása JSON formátumban, helyben a böngészőjében.

PDF importálása

Nincs adat küldve a szerverre: minden a böngészőjében történik.

← Vissza a PDF eszközökhöz

Használati esetek

OCR döntésGyorsan tudja, hogy szükséges-e az OCR az indexelés/keresés előtt.
Hozzáférhetőség ellenőrzéseAzonosítani a nem választható "kép" PDF-eket (gyakran nem hozzáférhető) javításra.
Kinyerési folyamatAutomatikusan irányítani a dokumentumokat: közvetlen kinyerés, ha szöveg van, különben OCR.
Szkennelési QAAz alacsony minőségű oldalakat (túl kevés szöveg, domináló képek) észlelni egy szkennelési tételben.

Amit kapsz

Egy JSON diagnózis oldalanként: szöveg jelenléte, képtartalom aránya, "szkennelés" jelei (heurisztikák szerint).

Jelzők az OCR prioritásához (feldolgozandó oldalak, már hasznosítható oldalak).

Korlátok és figyelmeztetések

Heurisztikus észlelés: egyes grafikus PDF-ek (katalógusok, diák) hasonlíthatnak a szkennelésekhez anélkül, hogy azok lennének.
A PDF-ek tartalmazhatnak "rejtett szöveget" (már elvégzett OCR): az eszköz észleli, de a minőség változó lehet.
Az OCR valódi minősége a felbontástól, kontrasztól és nyelvtől függ — itt nem értékelve.

Gyakori kérdések

Egy szkennelés tartalmazhat választható szöveget?

Igen, ha alkalmaztak OCR-t: a kép megmarad, de egy szövegréteg hozzáadódik.

Az eszköz végez OCR-t?

Nem. Az észlelésre és diagnosztikára szolgál. Az OCR egy külön lépés.

Miért van egy oldal „szkennelve” osztályozva, amikor szöveget látok?

A látható szöveg lehet egy kép (renderelt), nem vektoriális szöveg. A diagnózis a belső tartalomra alapoz.

Tipp

Mielőtt időt fektetne a kinyerésbe, észlelje a szkenneléseket: ez a legegyszerűbb módja annak, hogy elkerülje a nem létező szöveg "keresését" OCR nélkül.