Gör en skannad PDF sökbar med OCR - lokalt i webbläsaren, med ett osynligt textlager under originalsidorna, utan uppladdning.
Körs lokalt på din enhet ...
0%
Dina filer lämnade aldrig din enhet
Nej. Allt körs i din webbläsare - din fil lämnar aldrig din enhet. Så går det att verifiera
En skannad PDF är i grunden en stapel bilder: du ser texten men kan varken markera, söka eller kopiera den. OCR (optisk teckenigenkänning) läser bokstäverna ur bilden och lägger dem som ett osynligt textlager exakt ovanpå sidorna. Utseendet förblir identiskt, men PDF:en blir sökbar och texten markerbar - precis vad myndigheter, arkiv och fulltextsökning kräver.
Välj som utdata en sökbar PDF (originalsidor plus textlager) eller ren text som TXT. Ställ in dokumentets språk från listan - över 100 språk från svenska och engelska, via ryska, arabiska och hindi, till japanska, koreanska och kinesiska, vart och ett med sitt eget namn - så att tecknen känns igen korrekt. Allt körs i webbläsaren via WebAssembly: samma öppen källkod-baserade Tesseract-motor som verktyget "Bild till text", tillämpad sida för sida på hela PDF:en. Vid första användningen laddar webbläsaren ned motorn och det valda språkmodellen en gång (några MB, same-origin); därefter fungerar det offline.
Verktyget är avsett för skannade eller bildbaserade PDF-filer. Igenkänningskvaliteten beror starkt på skanningskvaliteten: skarpa, raka och kontrastrika sidor med tryckt text känns igen mycket väl, sneda eller suddiga sidor sämre; handstil inte tillförlitligt. I den sökbara PDF:en bäddas varje sida in på nytt som en bild, så layouten bevaras men filen kan växa. En PDF som redan innehåller riktig text behöver inte OCR-behandlas. Kontrollera resultatet för siffror och egennamn.
| Indataformat | |
|---|---|
| Utdataformat | |
| Batchbearbetning | Ja |
| Bearbetning | Lokalt i webbläsaren (WebAssembly) |
| Filuppladdning | Ingen |
Begränsningar: För SKANNADE / bildbaserade PDF-filer: gör dem sökbara via OCR (osynligt textlager) eller returnerar ren text. Känner igen TRYCKT text på över 100 språk och i många skriftsystem; handstil inte tillförlitligt. Obs: det osynliga textlagret i den sökbara PDF:en använder ett Latin-1-teckensnitt - icke-latinska tecken (t.ex. CJK, arabiska, kyrilliska) bäddas inte in där; för dessa skriftsystem ger utdata "Enbart text (TXT)" den fullständigt igenkända texten. I den sökbara PDF:en bäddas varje sida in på nytt som en bild, så layouten bevaras men filen kan växa. En PDF med befintlig riktig text behöver inte OCR. Igenkänningen är inte felfri - kontrollera särskilt siffror och egennamn. Motor och valt språkmodell laddas ned en gång (några MB, same-origin), sedan offline-kapabel. Stora PDF-filer tar tid och minne beroende på antal sidor och enhet.
Nej. Rendering och igenkänning sker helt lokalt i webbläsaren (WebAssembly); PDF:en lämnar aldrig din enhet - det avgörande fördelarna, särskilt för kontrakt och officiell post.
Sidan ser ut som skanningen, men under ytan finns ett osynligt textlager. Det gör att du kan söka i PDF:en, markera och kopiera text - medan det visuella intrycket förblir detsamma.
Ja. Varje sida bäddas in som en bild av originalsidan, med det osynliga textlagret exakt ovanpå. Utseendet ändras inte, men filen kan bli något större.
Andra språk ja: över 100 finns tillgängliga (inklusive arabiska, ryska, hindi, japanska, koreanska, kinesiska). Handstil känns inte igen tillförlitligt, bara tryckt text. För icke-latinska skriftsystem använd utdata "Enbart text (TXT)", eftersom textlagret i sökbar PDF begränsas till Latin-1.