Rendi ricercabile un PDF scansionato con OCR nel browser, con uno strato di testo invisibile sotto le pagine originali, senza caricare nulla.
Elaborazione in locale sul tuo dispositivo ...
0%
I tuoi file non hanno mai lasciato il dispositivo
No. Tutto avviene nel tuo browser - il tuo file non lascia mai il dispositivo. Perché è verificabile
Un PDF scansionato è in sostanza una serie di immagini: vedi il testo, ma non puoi selezionarlo, cercarlo o copiarlo. L'OCR (riconoscimento ottico dei caratteri) legge le lettere dall'immagine e le posiziona come strato di testo invisibile esattamente sopra le pagine. L'aspetto rimane identico, ma il PDF diventa ricercabile e il testo selezionabile, esattamente ciò che si aspettano uffici, archivi e motori di ricerca full-text.
Scegli come output un PDF ricercabile (pagine originali con strato di testo) o testo semplice come TXT. Imposta la lingua del documento dall'elenco, oltre 100 lingue dall'italiano, dal tedesco e dall'inglese fino al russo, all'arabo e all'hindi, passando per il giapponese, il coreano e il cinese, ognuna con il proprio nome, in modo che i caratteri vengano riconosciuti correttamente. Tutto avviene nel browser tramite WebAssembly: lo stesso motore Tesseract open source dello strumento "Immagine in testo", applicato pagina per pagina all'intero PDF. Al primo utilizzo il browser scarica una sola volta il motore e il modello di lingua scelto (pochi MB, stessa origine); dopodiché funziona offline.
Lo strumento è pensato per PDF scansionati o composti solo da immagini. Il riconoscimento dipende molto dalla qualità della scansione: pagine nitide, dritte e ad alto contrasto vengono riconosciute molto bene; quelle storte o sfocate molto peggio; la scrittura a mano non viene riconosciuta in modo affidabile. Nel PDF ricercabile ogni pagina viene reinserita come immagine, quindi il layout viene preservato ma il file può aumentare di dimensione. Un PDF che contiene già del testo reale non ha bisogno di OCR. Controlla il risultato per i numeri e i nomi propri.
| Formati di input | |
|---|---|
| Formato di output | |
| Elaborazione in batch | Sì |
| Elaborazione | In locale nel browser (WebAssembly) |
| Caricamento file | Nessuno |
Limiti: Per PDF SCANSIONATI o immagine: li rende ricercabili tramite OCR (strato di testo invisibile) o restituisce testo semplice. Riconosce testo STAMPATO in oltre 100 lingue e molti alfabeti; scrittura a mano non affidabile. Nota: lo strato di testo invisibile nel PDF ricercabile usa un font Latin-1, quindi i caratteri non latini (ad es. CJK, arabo, cirillico) non vengono incorporati; per questi alfabeti usa l'output "Solo testo (TXT)" per ottenere il testo riconosciuto completo. Nel PDF ricercabile ogni pagina viene reinserita come immagine, il layout viene preservato ma il file può crescere; un PDF con testo reale non ha bisogno di OCR. Il riconoscimento non è privo di errori: controlla in particolare i numeri e i nomi propri. Il motore e il modello di lingua vengono scaricati una sola volta (pochi MB, stessa origine), poi lo strumento funziona offline. I PDF di grandi dimensioni possono richiedere tempo e memoria in base al numero di pagine e al dispositivo.
No. Il rendering e il riconoscimento avvengono interamente in locale nel browser (WebAssembly); il PDF non lascia mai il tuo dispositivo, il che è il vantaggio decisivo soprattutto per contratti e corrispondenza ufficiale.
La pagina ha l'aspetto della scansione, ma sotto c'è uno strato di testo invisibile. Questo ti permette di cercare nel PDF, selezionare e copiare il testo senza che l'aspetto visivo cambi.
Sì. Ogni pagina viene incorporata come immagine della pagina originale con lo strato di testo invisibile allineato sopra con precisione. L'aspetto non cambia, anche se il file può crescere leggermente.
Altre lingue sì: oltre 100 disponibili, tra cui arabo, russo, hindi, giapponese, coreano e cinese. La scrittura a mano non viene riconosciuta in modo affidabile, solo il testo stampato. Per gli alfabeti non latini usa l'output "Solo testo (TXT)", poiché lo strato di testo del PDF ricercabile è limitato al Latin-1.