PDF'den Çevrimiçi Metin Çıkarma

PDF'deki metin katmanını çıkarın veya taranmış sayfalardaki metni OCR ile tanıyın ve düz metin olarak kaydedin.

OCR Dili:

Taranmış PDF'lerde yüklemeden önce belgenin dilini seçin. Sonradan değiştirirseniz mevcut dosya yeniden okunur.

PDF Dosyasını Seçin veya Buraya Sürükle Bırak

Taranmış PDF görüntülerinden metin çıkarır ve optik karakter tanıma (OCR) desteği sağlar.

🔤

CMap ile Yazı Tipi Çözümleme

Birçok Doğu Asya yazı tipini ve özel kodlanmış yazı tipini çözmek için PDF.js karakter haritalarını (CMap) kullanır. Yazı tipi verileri eksik olan PDF'ler yine de hatalı karakterler üretebilir.

👁️

Taranmış Sayfalar için OCR

Neredeyse hiç çıkarılabilir metin içermeyen sayfalar Tesseract.js OCR ile okunur. Doğruluk; tarama kalitesine, dile ve sayfa düzenine bağlıdır.

🔒

Tarayıcıda Özel İşleme

Belgeler, tarayıcınızın belleğinde yerel olarak ayrıştırılır.

Nasıl kullanılır

Araç önce PDF'de saklanan metin katmanını okur. Taranmış bir belgede olduğu gibi bir sayfada neredeyse hiç metin yoksa, o sayfa görüntü olarak işlenir ve tarayıcınızda OCR ile tanınır. OCR motoru ve dil verileri, OCR ilk kez çalıştığında leedybox.com'dan indirilir; PDF'nizin kendisi yüklenmez.

Taranmış sayfaların doğru alfabeyle okunması için dosyayı eklemeden önce OCR dilini seçin. Bu sayfanın diline göre önceden ayarlanmıştır.
Yükleme alanına tıklayın veya bir PDF dosyasını üzerine sürükleyin. Çıkarma hemen başlar ve sayfaları tek tek işler.
Metin katmanı olan sayfalar doğrudan okunur. Tarama gibi neredeyse hiç metin içermeyen bir sayfa görsel olarak çizilip OCR ile tanınır; bu daha uzun sürer ve ilerleme çubuğu hangi sayfanın okunduğunu gösterir.
Sonucu metin kutusunda kontrol edin. Her sayfa --- Sayfa 1 --- gibi bir satırla başlar.
Sonucu saklamak için "Metni Kopyala" veya ".TXT olarak kaydet" düğmesine, başka bir PDF okumak için "Dosyayı Değiştir" düğmesine tıklayın.

Sık sorulan sorular

Çıkarılan metin neden bazen bozuk görünüyor?

Bazı PDF'ler karakterleri özel yazı tipi kodlamalarıyla saklar. LeedyBox bunların birçoğunu çözmek için CMap tablolarını yükler, ancak doğru Unicode eşlemesi olmayan yazı tipleri yine de hatalı karakterler üretebilir. Sonucu orijinal belgeyle karşılaştırın.

Taranmış belgelerde çalışır mı?

Evet. Bir sayfada neredeyse hiç metin katmanı yoksa, yerleşik Tesseract.js OCR motoru sayfa görüntüsündeki karakterleri tanır. El yazısı, düşük çözünürlüklü taramalar, alışılmadık yazı tipleri ve OCR dil ayarının kapsamadığı diller doğruluğu düşürür.

Tablolar ve sütunlar düzenini korur mu?

Tam olarak değil. Çıktı düz metindir; bu nedenle tablolar, sütunlar ve metin kutuları satırlara dönüştürülür ve okuma sırası sayfada gördüğünüzden farklı olabilir.

PDF'im bir yere yükleniyor mu?

Hayır. Metin tarayıcınızda okunur. Bir sayfa OCR gerektirdiğinde OCR motoru ve dil verileri leedybox.com'dan indirilir, ancak PDF'iniz hiçbir yere gönderilmez.

İki dilli bir belge için hangi OCR dilini seçmeliyim?

Belgenin ana dilini içeren seçeneği seçin; "Yalnızca İngilizce" dışındaki tüm seçenekler İngilizceyi de tanır. Seçilmeyen bir dildeki metin çoğu zaman yanlış karakterlerle okunur.

OCR neden yavaş?

OCR motoru ve dil verileri indirildikten sonra her taranmış sayfa tarayıcınızda tek tek tanınır. Yavaş bir cihazda bir sayfa birkaç saniye veya daha uzun sürebilir; bu yüzden uzun bir taranmış belge sabır ister.