Detectați dacă un PDF este scanat

Analizați un PDF pentru a estima dacă provine dintr-un scan (imagini pe pagini, absența fonturilor, indicii CCITT/JBIG2) și exportați diagnosticul în JSON, local în browserul dumneavoastră.

Importați un PDF

Niciun date nu sunt trimise pe un server: totul se face în browserul dumneavoastră.

← Înapoi la instrumentele PDF

Cazuri de utilizare

Decideți un OCRAflați rapid dacă OCR este necesar înainte de indexare/căutare text complet.
Control accesibilitateIdentificați PDF-uri „imagini” ne-selectabile (de obicei inaccesibile) care trebuie corectate.
Pipeline de extragereRutează automat documentele: extragere directă dacă textul este prezent, OCR altfel.
QA de scanareIdentificarea paginilor de calitate slabă (prea puțin text, imagini dominante) într-un lot de scanări.

Ce ce obțineți

Un diagnostic JSON pe pagină: prezența textului, proporția de conținut imagine, indicii de „scan” (în funcție de euristici).

Indicatori pentru a prioritiza OCR (pagini de procesat, pagini deja exploatabile).

Limite și puncte de atenție

Detectare euristică: unele PDF-uri grafice (cataloage, slide-uri) pot semăna cu scanuri fără a fi.
Unele PDF-uri pot conține „text ascuns” (OCR deja efectuat): instrumentul îl detectează, dar calitatea poate varia.
Calitatea reală a OCR-ului va depinde de rezoluție, contrast și limbă — nu evaluate fin aici.

Întrebări frecvente

Un scan poate conține text selectabil?

Da, dacă un OCR a fost aplicat: imaginea rămâne, dar o strat de text este adăugat.

Face instrumentul OCR?

Nu. Detectează și diagnostichează. OCR este o etapă separată.

De ce o pagină este clasificată ca “scanare” când văd text?

Textul vizibil poate fi o imagine (redare), nu text vectorial. Diagnosticul se bazează pe conținutul intern.

Sfat

Înainte de a investi timp în extragere, detectați scanurile: aceasta este cea mai simplă modalitate de a evita „vânătoarea” de text care nu există fără OCR.