Wykryj, czy PDF jest zeskanowany

Analizuj PDF, aby oszacować, czy pochodzi z zeskanowania (obrazy na stronach, brak czcionek, wskaźniki CCITT/JBIG2) i wyeksportuj diagnozę w formacie JSON, lokalnie w przeglądarce.

Importuj PDF

Żadne dane nie są wysyłane na serwer: wszystko odbywa się w Twojej przeglądarce.

← Powrót do narzędzi PDF

Przypadki użycia

Decyzja o OCRSzybkie ustalenie, czy OCR jest konieczne przed indeksowaniem/wyszukiwaniem pełnotekstowym.
Kontrola dostępnościIdentyfikacja PDF „obrazów” niewybieralnych (często niedostępnych) do poprawy.
Pipeline ekstrakcjiAutomatyczne kierowanie dokumentami: bezpośrednia ekstrakcja, jeśli tekst jest obecny, w przeciwnym razie OCR.
Wykrywanie skanówWykrywanie stron o słabej jakości (za mało tekstu, dominujące obrazy) w partii skanów.

To, co otrzymujesz

Diagnoza JSON na stronę: obecność tekstu, proporcja treści obrazu, wskaźniki „skanu” (zgodnie z heurystyką).

Wskaźniki do priorytetyzacji OCR (strony do przetworzenia, strony już dostępne).

Ograniczenia i punkty uwagi

Wykrywanie heurystyczne: niektóre PDF graficzne (katalogi, slajdy) mogą wyglądać jak skany, mimo że nimi nie są.
PDF mogą zawierać „ukryty tekst” (OCR już wykonany): narzędzie to wykrywa, ale jakość może się różnić.
Rzeczywista jakość OCR będzie zależała od rozdzielczości, kontrastu i języka — nie oceniane dokładnie tutaj.

Najczęściej zadawane pytania

Czy skan może zawierać wybieralny tekst?

Tak, jeśli zastosowano OCR: obraz pozostaje, ale dodawana jest warstwa tekstu.

Czy narzędzie wykonuje OCR?

Nie. Wykrywa i diagnozuje. OCR to oddzielny krok.

Dlaczego strona jest klasyfikowana jako „skan”, skoro widzę tekst?

Widoczny tekst może być obrazem (rendering), a nie tekstem wektorowym. Diagnoza opiera się na zawartości wewnętrznej.

Wskazówka

Zanim zainwestujesz czas w ekstrakcję, wykryj skany: to najprostszy sposób, aby uniknąć „polowania” na tekst, który nie istnieje bez OCR.