हे साधन उपयुक्त का आहे
PDF मध्ये वापरण्यायोग्य एम्बेड केलेली मजकूर स्तर नसताना, केवळ प्रतिमांमधील निवडता येणारा मजकूर निवेदने, पत्रे किंवा संग्रहित स्कॅनमधून पुनर्प्राप्त करा.
स्थानिक फाइल साधने · स्थानिकरित्या चालते
खाजगी स्कॅन केलेला PDF ते मजकूर OCR
दस्तऐवज अपलोड न करता, स्कॅन केलेल्या PDF मधून एकावेळी दहा पानांपर्यंत रेंडर करा आणि त्यांचा इंग्रजी मजकूर एकाच स्थानिक OCR worker मध्ये क्रमाने ओळखा.
तयार. तुमचा कार्यरत डेटा या ब्राउझरमध्येच राहतो.
फाईल्स या डिव्हाइसवरच राहतात. प्रक्रिया फक्त ब्राउझर API वापरते; YTSave, मीडिया API किंवा प्रॉक्सीवर काहीही अपलोड केले जात नाही.
हे कसे कार्य करते
पिन केलेला PDF.js प्रत्येक सीमित पृष्ठ क्रमाने रेंडर करतो; एक पिन केलेला Tesseract.js worker कॅनव्हास ओळखतो, तो मुक्त करतो, आणि एकूण पिक्सेल बजेटअंतर्गत पुढील पृष्ठाकडे जातो.
व्यावहारिक उदाहरण
तीन-पानांचा स्कॅन केलेला पत्र निवडा, 1.5× स्वयंचलित मांडणी वापरा, प्रत्येक पान-विभाजक आणि विश्वासार्हता सारांश तपासा, नंतर एक UTF-8 मजकूर फाइल डाउनलोड करा.
वैधता
गणना निर्धारक आहे आणि अवैध इनपुट शांतपणे बदलण्याऐवजी पडताळणी त्रुटी स्पष्ट करते.
गोपनीयतेची सीमा
इनपुट आणि आउटपुट या टॅबमध्येच राहतील. कॉपी आणि डाउनलोड ब्राउझर API द्वारे सर्व्हरवर अपलोड न करता होतील.
परिणाम पासपोर्ट
प्रत्येक रन त्याचा टूल मोड, टाइमस्टॅम्प आणि इनपुट/आउटपुट आकार अहवालित करतो, त्यामुळे रूपांतरित डेटा ऑडिट केला जाऊ शकतो.