Bir PDF'nin taranıp taranmadığını tespit et

Bir PDF'yi analiz edin ve taramadan gelip gelmediğini tahmin edin (sayfalardaki görüntüler, font eksikliği, CCITT/JBIG2 ipuçları) ve tanıyı JSON formatında, tarayıcınızda yerel olarak dışa aktarın.

Bir PDF içe aktar

Hiçbir veri bir sunucuya gönderilmez: her şey tarayıcınızda yapılır.

← PDF araçlarına geri dön

Kullanım durumları

Bir OCR'a karar vermeTam metin indekslemesi/araması öncesinde OCR'ın gerekli olup olmadığını hızlıca öğrenin.
Erişilebilirlik kontrolüDüzeltilecek seçilemeyen "görüntü" PDF'lerini tanımlayın (genellikle erişilemez).
Çıkarma hattıBelgeleri otomatik olarak yönlendirin: metin mevcutsa doğrudan çıkarım, aksi takdirde OCR.
Tarama QA'sıBir tarama grubunda düşük kaliteli sayfaları (çok az metin, baskın görüntüler) tespit edin.

Aldığınız şey

Her sayfa için bir JSON tanı: metin varlığı, içerik görüntü oranı, "tarama" ipuçları (heuristiklere göre).

OCR'ı önceliklendirmek için göstergeler (işlenecek sayfalar, zaten kullanılabilir sayfalar).

Sınırlamalar ve dikkat edilmesi gereken noktalar

Heuristik tespit: bazı grafik PDF'leri (kataloglar, slaytlar) taramalara benzer görünebilir, ancak değildir.
Bazı PDF'ler "gizli metin" (zaten yapılmış OCR) içerebilir: araç bunu tespit eder, ancak kalite değişkenlik gösterebilir.
OCR'nin gerçek kalitesi, çözünürlük, kontrast ve dile bağlı olacaktır - burada ince bir şekilde değerlendirilmemiştir.

Sıkça Sorulan Sorular

Bir tarama seçilebilir metin içerebilir mi?

Evet, eğer bir OCR uygulanmışsa: görüntü kalır, ancak bir metin katmanı eklenir.

Araç OCR yapıyor mu?

Hayır. Tespit eder ve tanı koyar. OCR ayrı bir adımdır.

Neden bir sayfa “tarama” olarak sınıflandırılıyor, oysa ben metin görüyorum?

Görünen metin bir görüntü (render) olabilir, vektör metni değil. Tanı, içeriğe dayanarak yapılır.

İpucu

Çıkarma için zaman harcamadan önce taramaları tespit edin: bu, OCR olmadan var olmayan metni "avlamaktan" kaçınmanın en basit yoludur.