แยกข้อความจาก PDF ออนไลน์

ดึงชั้นข้อความจาก PDF หรือใช้ OCR อ่านข้อความจากหน้าที่สแกน แล้วบันทึกเป็นข้อความธรรมดา

ภาษา OCR:

หากเป็น PDF ที่สแกน ให้เลือกภาษาของเอกสารก่อนอัปโหลด หากเปลี่ยนภายหลัง ระบบจะอ่านไฟล์ปัจจุบันใหม่

เลือกไฟล์ PDF หรือลากและวางที่นี่

แยกข้อความและรองรับ OCR สำหรับ PDF ที่เป็นภาพสแกน

🔤

ถอดรหัสฟอนต์ด้วย CMap

ใช้ตารางอักขระ (CMap) ของ PDF.js เพื่อถอดรหัสฟอนต์ภาษาเอเชียตะวันออกและฟอนต์ที่เข้ารหัสเฉพาะจำนวนมาก PDF ที่ข้อมูลฟอนต์ไม่ครบถ้วนอาจยังได้อักขระที่ไม่ถูกต้อง

👁️

OCR สำหรับหน้าที่สแกน

หน้าที่แทบไม่มีข้อความให้ดึงได้จะถูกอ่านด้วย OCR ของ Tesseract.js ความแม่นยำขึ้นอยู่กับคุณภาพการสแกน ภาษา และเลย์เอาต์

🔒

ประมวลผลในเบราว์เซอร์

เอกสารถูกวิเคราะห์ภายในหน่วยความจำของเบราว์เซอร์

วิธีใช้

เครื่องมือจะอ่านชั้นข้อความที่เก็บอยู่ใน PDF ก่อน หากหน้าใดแทบไม่มีข้อความ เช่น เอกสารสแกน หน้านั้นจะถูกเรนเดอร์เป็นภาพแล้วอ่านด้วย OCR ในเบราว์เซอร์ของคุณ เอนจิน OCR และข้อมูลภาษาจะถูกดาวน์โหลดจาก leedybox.comเมื่อใช้ OCR ครั้งแรก ส่วนไฟล์ PDF ของคุณจะไม่ถูกอัปโหลด

เลือกภาษา OCR ก่อนเพิ่มไฟล์ เพื่อให้หน้าที่สแกนถูกอ่านด้วยตัวอักษรที่ถูกต้อง ภาษานี้ถูกตั้งไว้ล่วงหน้าตามภาษาของหน้านี้
คลิกพื้นที่อัปโหลดหรือลากไฟล์ PDF มาวาง การดึงข้อความจะเริ่มทันทีและทำทีละหน้า
หน้าที่มีชั้นข้อความจะถูกอ่านโดยตรง หน้าที่แทบไม่มีข้อความ เช่น หน้าสแกน จะถูกวาดเป็นภาพแล้วรู้จำด้วย OCR ซึ่งใช้เวลานานกว่า แถบความคืบหน้าจะแสดงหน้าที่กำลังอ่าน
ตรวจสอบผลลัพธ์ในกล่องข้อความ แต่ละหน้าจะเริ่มด้วยบรรทัดเช่น --- หน้า 1 ---
คลิก “คัดลอกข้อความ” หรือ “บันทึกเป็น .TXT” เพื่อเก็บผลลัพธ์ หรือ “เปลี่ยนไฟล์” เพื่ออ่าน PDF ไฟล์อื่น

คำถามที่พบบ่อย

ทำไมข้อความที่ดึงออกมาบางครั้งจึงอ่านไม่ออก

PDF บางไฟล์จัดเก็บอักขระด้วยการเข้ารหัสฟอนต์เฉพาะ LeedyBox จะโหลดตาราง CMap เพื่อถอดรหัสได้หลายกรณี แต่ฟอนต์ที่ไม่มีการแมป Unicode ที่ถูกต้องอาจยังให้อักขระผิด ควรตรวจสอบผลลัพธ์เทียบกับเอกสารต้นฉบับ

ใช้กับเอกสารที่สแกนได้หรือไม่

ได้ เมื่อหน้าใดแทบไม่มีชั้นข้อความ เอนจิน OCR ของ Tesseract.js ในตัวจะอ่านอักขระจากภาพของหน้านั้น ลายมือ การสแกนความละเอียดต่ำ ฟอนต์ที่ไม่คุ้นเคย และภาษาที่ไม่อยู่ในการตั้งค่าภาษา OCR จะทำให้ความแม่นยำลดลง

ตารางและคอลัมน์จะคงเลย์เอาต์เดิมไว้หรือไม่

ไม่ทั้งหมด ผลลัพธ์เป็นข้อความธรรมดา ตาราง คอลัมน์ และกล่องข้อความจึงถูกเรียงเป็นบรรทัด และลำดับการอ่านอาจต่างจากที่เห็นบนหน้า

PDF ของฉันถูกอัปโหลดหรือไม่?

ไม่ ข้อความถูกอ่านในเบราว์เซอร์ของคุณ เมื่อหน้าใดต้องใช้ OCR เครื่องมือ OCR และข้อมูลภาษาจะถูกดาวน์โหลดจาก leedybox.com แต่ PDF ของคุณจะไม่ถูกส่งไปที่ใด

เอกสารที่มีสองภาษาควรเลือกภาษา OCR ใด?

เลือกตัวเลือกที่มีภาษาหลักของเอกสาร ทุกตัวเลือกยกเว้น “อังกฤษเท่านั้น” จะรู้จำภาษาอังกฤษด้วย ข้อความในภาษาที่ไม่ได้เลือกมักถูกอ่านเป็นตัวอักษรที่ผิด

ทำไม OCR จึงช้า?

หลังจากดาวน์โหลดเครื่องมือ OCR และข้อมูลภาษาแล้ว หน้าที่สแกนจะถูกรู้จำทีละหน้าในเบราว์เซอร์ บนอุปกรณ์ที่ช้า หนึ่งหน้าอาจใช้เวลาหลายวินาทีหรือนานกว่านั้น เอกสารสแกนที่ยาวจึงต้องใช้เวลา