Detektera om en PDF är skannad

Analysera en PDF för att uppskatta om den kommer från en skanning (bilder på sidorna, avsaknad av typsnitt, CCITT/JBIG2-indikatorer) och exportera diagnosen i JSON, lokalt i din webbläsare.

Importera en PDF

Inga data skickas till en server: allt görs i din webbläsare.

← Tillbaka till PDF-verktyg

Användningsfall

Besluta om en OCRVeta snabbt om OCR är nödvändigt före indexering/fulltextsökning.
Kontrollera tillgänglighetIdentifiera "bild"-PDF:er som inte kan väljas (ofta inte tillgängliga) för att åtgärda.
ExtraktionspipelineAutomatiskt dirigera dokument: direkt extraktion om text finns, OCR annars.
SkanningskvalitetssäkringIdentifiera sidor av dålig kvalitet (för lite text, dominerande bilder) i en skanningsbatch.

Det du får

En JSON-diagnos per sida: närvaro av text, andel bildinnehåll, "skanning"-index (enligt heuristik).

Indikatorer för att prioritera OCR (sidor att bearbeta, sidor som redan är användbara).

Begränsningar och punkter att tänka på

Heuristisk detektion: vissa grafiska PDF:er (kataloger, presentationer) kan se ut som skanningar utan att vara det.
PDF:er kan innehålla "dold text" (OCR redan gjort): verktyget upptäcker det men kvaliteten kan variera.
Den verkliga kvaliteten på OCR kommer att bero på upplösning, kontrast och språk — inte noggrant utvärderat här.

Vanliga frågor

Kan en skanning innehålla valbar text?

Ja, om en OCR har tillämpats: bilden kvarstår, men ett textlager läggs till.

Gör verktyget OCR?

Nej. Det upptäcker och diagnostiserar. OCR är ett separat steg.

Varför klassificeras en sida som "skanning" när jag ser text?

Den synliga texten kan vara en bild (rendering), inte vektoriserad text. Diagnosen baseras på det interna innehållet.

Tips

Innan du investerar tid i extraktion, upptäck skanningar: det är det enklaste sättet att undvika att "jaga" text som inte finns utan OCR.