OCR ya PDF
Geuza PDF iliyoskaniwa iwe PDF unayoweza kutafuta ndani yake, na kuchagua na kunakili maneno yake. Kurasa zinaonekana vilevile; maneno huwekwa juu yake kama safu isiyoonekana. Yote hufanyika kwenye kivinjari chako, kwa hivyo skani yako haiondoki kwenye kifaa hiki.
Dondosha PDF iliyoskaniwa hapa
Faili yako inabaki kwenye kifaa hiki. Hakuna kinachopakiwa.
Jinsi ya kufanya OCR kwenye PDF iliyoskaniwa ili itafutike
- Dondosha PDF iliyoskaniwa kwenye kisanduku kilicho juu, au bonyeza “Chagua faili ya PDF”. Ukurasa hukagua kurasa zipi ni picha na zipi tayari zina maandishi.
- Chagua lugha iliyotumika kuandika hati. Ukubwa wa upakuaji wake unaonyeshwa kabla ya chochote kupakuliwa.
- Bonyeza “Fanya itafutike na upakue” na usubiri kila ukurasa usomwe. “Simamisha” husitisha wakati wowote.
- Fungua PDF uliyopakua na utafute ndani yake. “Pakua maandishi (.txt)” hukupa maneno peke yake.
OCR ya PDF hufanya nini
Skana na programu za kuskani kwenye simu huhifadhi kila ukurasa kama picha. PDF inaonekana kama hati lakini inafanya kazi kama picha: huwezi kuitafuta, kuchagua sentensi, wala kuifanya isomwe kwa sauti. Zana hii husoma maneno yaliyomo kwenye kila picha na kuyaweka juu ya ukurasa kama maandishi yasiyoonekana, hivyo faili ile ile inakuwa inatafutika.
Inachofanya
- Husoma maandishi yaliyochapishwa kwenye kurasa zilizoskaniwa na kuyaongeza kama safu isiyoonekana inayotafutika, ukurasa kwa ukurasa
- Kila ukurasa unabaki ukionekana kama ulivyokuwa; hakuna kinachochorwa upya wala kubanwa upya
- Huruka kurasa ambazo tayari zina maandishi, na hukuambia ni zipi
- Husoma lugha kumi na sita, zikiwemo Kichina, Kijapani, Kikorea, Kihindi na Kinepali, na kila moja hupakuliwa kutoka tovuti hii pale tu unapoichagua
- Hukupa pia maandishi iliyoyatambua kama faili ya .txt
Isichofanya
- Haipakii skani yako; injini ya kusoma hufanya kazi ndani ya kichupo hiki cha kivinjari
- Haisomi mwandiko wa mkono
- Haiwezi kuokoa skani mbaya: maandishi hafifu, yenye ukungu, madogo sana au yaliyopinda hutoka na makosa, na kurasa ilizopata shida nazo hutajwa
- Haijengi upya mpangilio kama hati inayoharirika; “PDF kwenda Word” inaweza kutoa maandishi kutoka kwenye faili inayotafutika baadaye
- Haisomi bado Kiarabu wala maandishi mengine yanayoandikwa kutoka kulia kwenda kushoto
- Hainyooshi kurasa zilizolala; tumia “Zungusha PDF” kwanza
Ilisasishwa mwisho
Unahitaji kumtumia mtu faili hii?
Tovuti dada yetu QRSansar huhifadhi hati yako na kukupa kiungo kifupi na msimbo wa QR wake. Inafaa kwa WhatsApp, slaidi, bango au karatasi ya kugawa, na huepuka kabisa vikomo vya ukubwa wa viambatisho. Unaweza kubadilisha faili baadaye, na kiungo pamoja na msimbo wa QR vitaendelea kufanya kazi.
Ni vyema tofauti hii iwe wazi: hiyo ni huduma ya kuhifadhi faili, kwa hivyo faili yako hupakiwa huko. Kila kitu kwenye PDFsansar hubaki kwenye kifaa chako, lakini kushiriki ndiyo kazi moja isiyoweza kufanyika hivyo.
Shiriki hati kwenye QRSansar →Zana nyingine
Zote ni bure, na zote hufanya kazi katika kichupo hiki bila kupakia kitu chochote.
OCR ya PDF: maswali ya kawaida
Je, skani yangu inapakiwa?
Hapana. Injini ya kusoma, Tesseract, hufanya kazi ndani ya kichupo hiki cha kivinjari. Mara ya kwanza unapoitumia, injini na lugha unayochagua hupakuliwa kutoka tovuti hii, si kutoka tovuti ya mtu mwingine, na kivinjari chako huzihifadhi. PDF yenyewe husomwa na kuandikwa upya kwenye kifaa hiki na haitumwi popote.
Je, kurasa zitaonekana tofauti?
Hapana. Kila ukurasa unabaki kama ulivyokuwa. Maneno huingia kama safu isiyoonekana, yakiwekwa pale yanapoonekana kwenye skani, kwa hivyo ukichagua sentensi, rangi ya kuangazia inakaa juu ya maneno yaliyochapishwa. Hakuna kinachochorwa upya wala kubanwa upya, na faili huongezeka kilobaiti chache kwa kila ukurasa.
Inaweza kusoma lugha zipi?
Kiingereza, Kihispania, Kifaransa, Kijerumani, Kireno, Kiitaliano, Kiindonesia, Kimalei, Kifilipino, Kiswahili, Kivietinamu, Kihindi, Kinepali, Kichina Kilichorahisishwa, Kijapani na Kikorea. Chagua lugha ambayo hati imeandikwa nayo; kila moja hupakuliwa pale tu unapoichagua, na ukubwa wake huonyeshwa kwanza. Kiarabu bado hakipo: kinaweza kusomwa, lakini baadhi ya visomaji vya PDF huonyesha matokeo kinyumenyume, na utafutaji usioweza kupata maneno hauna faida.
Inachukua muda gani?
Sekunde chache kwa kila ukurasa kwenye kompyuta. Tulipopima kwenye kompyuta yenye core 4 katika Chrome, wastani ulikuwa sekunde 3 hadi 9 kwa ukurasa: risiti ilikuwa ya haraka zaidi, ukurasa mzima wa maandishi madogo ya jarida ulikuwa wa polepole zaidi, na ukurasa mmoja uliojaa kuliko yote ulichukua sekunde 11. Simu ni ya polepole zaidi. Mara ya kwanza, injini ya kusoma na lugha hupakuliwa kabla ya kusoma chochote, takriban 4 MB kwa Kiingereza, na baada ya hapo kivinjari chako huzihifadhi. Unaweza kuiacha ikiendelea kwenye kichupo kingine, na “Simamisha” hufanya kazi wakati wowote.
Ni sahihi kwa kiasi gani?
Kwenye kurasa safi zilizochapishwa, karibu kila neno: kwenye kurasa mbili za jarida na ripoti kutoka seti ya kawaida ya majaribio ya OCR, 99% ya maneno yalipatikana. Kwenye fomu halisi zilizoskaniwa kwa Kijerumani, Kihispania, Kifaransa, Kijapani na Kichina, 91 hadi 96%. Kwenye risiti za maduka zilizoskaniwa, zenye maandishi madogo kwenye karatasi ya joto, 79%. Makosa hujikusanya kwenye majina, namba na maandishi madogo, kwa hivyo yakague kabla ya kuyategemea. Ikimaliza, hutaja kurasa ilizopata shida kusoma.
Nini kinatokea kwa kurasa ambazo tayari zina maandishi?
Huachwa jinsi zilivyo, na ukurasa hukuambia ni zipi kabla ya kuanza. Kuzisoma tena kungeweka nakala ya pili ya kila neno juu ya ya kwanza. Kama kila ukurasa tayari una maandishi, hukuambia hivyo na haifanyi chochote.
Inaweza kusoma mwandiko wa mkono?
Hapana. Tesseract imetengenezwa kwa maandishi yaliyochapishwa. Mwandiko wa mkono hutoka kama maneno yasiyo na maana au hautoki kabisa, na ukurasa usio na chochote kinachosomeka hutajwa kazi inapokamilika.
Ninaweza kupata maandishi peke yake?
Ndiyo. Ikimaliza kuna kitufe cha kupakua maandishi kama faili ya .txt, kila ukurasa kwa mpangilio wake. Kurasa zilizokuwa na maandishi tayari zinajumuishwa kama zilivyokuwa.