PDF Commons

تعرف OCR على PDF

سيُرفع هذا الملف. يُحذف خلال 30 دقيقة. الأدوات المحلية لا تقرأ صور النص. الملف المجاني على الخادم هو PDF إلى Word. OCR يحتاج تصريح يوم بـ $6 أو السنة بـ $60.

يُطابق التصريح بريد الدفع. وقت النهاية هو النافذة النشطة.

الخطوات

  1. ضع مسحًا. هذه الصفحة تقرأ صور النص. لا تحوّل إلى Word ملف PDF فيه نص يمكن تحديده أصلًا.
  2. أدخل البريد الذي استخدمته عند الدفع. OCR ليس الملف المجاني على الخادم.
  3. نزّل PDF. تُحذف النسخة على الخادم خلال 30 دقيقة.

أسئلة

هل يُرفع الملف؟

نعم. أدوات المتصفح لا تُرفع. OCR يضع المسح والنتيجة في GridFS إلى أن يحذف الاحتفاظ الاثنين.

هل يتجدد تصريح اليوم؟

لا. سعره $6، ويُحصَّل مرة واحدة، وينتهي بعد 24 ساعة. السنة بـ $60. نرسل بريدًا قبل 7 أيام من ذلك التحصيل. الدفعان موجودان في صفحة الأسعار. الأسعار

ماذا تعيد هذه القراءة

يحوّل الخادم كل صفحة إلى PNG بمقدار 200 نقطة في البوصة، ثم يطلب من Tesseract طبقة نص إنجليزية. علم اللغة هو eng. لا توجد قائمة لغات. يعمل pdftoppm مرة واحدة، مع -png و -r 200 ونطاق من 1 حتى عدد الصفحات. يعمل Tesseract مرة لكل صفحة ويكتب PDF لتلك الصفحة. تُعاد الصفحة الواحدة كذاك PDF. تُدمج أكثر من صفحة بالترتيب. اسم التنزيل دائمًا ocr.pdf. إنه PDF وليس ملف وورد. الملف الأصلي على الحاسوب لا يُستبدل.

يدخل المسح و ocr.pdf إلى MongoDB GridFS في الدلو uploads مع tool ocr-pdf. يستخدم الأصل role source. تستخدم النتيجة role result. تعيش ملفات PNG العاملة في مجلد مؤقت وتُزال حين تنتهي المهمة أو تفشل. يحذف الاحتفاظ كائنات GridFS التي بلغ عمر رفعها RETENTION_MINUTES. القيمة الغائبة أو الصفر أو غير الموجبة تستخدم 30. يخزن صف deletions المعرف والاسم والأداة والدور ووقت الرفع ووقت الحذف، لا البايتات. يحذف الخادم المسح و ocr.pdf خلال 30 دقيقة.

لا يوجد ملف OCR مجاني. تُستدعى البوابة وعداد الملفات المجانية مسبقًا 1، فيُرفض الزائر بلا شراء نشط. السقف 20 صفحة حتى مع تصريح نشط. تصريح اليوم سعره $6، يُحصّل مرة واحدة، ويدوم 24 ساعة، ولا يتجدد. السنة سعرها $60 وتدوم 365 يومًا. يجب أن يطابق البريد شراءً بحالة active، من البداية وقبل النهاية. الملف المجاني للخادم هو PDF إلى Word، ملف واحد، حتى 20 صفحة، على صفحته. يُقتل pdftoppm و Tesseract كل صفحة بعد 60 ثانية. النموذج يأخذ ملفًا واحدًا.

بلا ملف، أو بلا %PDF- في أول 1024 محرفًا، يفشل مع "Choose a PDF." ملف لا يُقرأ عدد صفحاته يفشل مع "This PDF could not be read." بلا صفحات يفشل مع "This PDF has no pages." أكثر من 20 صفحة يفشل مع "OCR stops at 20 pages." بلا تصريح يفشل مع "OCR needs a $6 day pass or the $60 year. The free server file is PDF to Word. Enter the email from checkout." إذا لم يُثبَّت pdftoppm أو Tesseract تقول الصفحة "OCR is not available on this server." عملية انتهت مهلتها أو فشلت تنتهي أيضًا كـ "This PDF could not be read."

أسئلة

ماذا داخل ocr.pdf؟

ملف PDF. يكتب Tesseract طبقة نص إنجليزية من صورة 200 DPI لكل صفحة. الصفحة لا تعيد بناء الأعمدة ولا تخرج .docx. ملف PDF فيه نص قابل للتحديد يمر أيضًا بمسار الصورة نفسه. PDF إلى Word هي الصفحة التي تنسخ طبقة نص موجودة إلى وورد.

هل المسح الأول مجاني؟

لا. تعرف OCR على PDF ليس أبدًا الملف المجاني للخادم. الملف المجاني تحويل واحد من PDF إلى Word، حتى 20 صفحة، حين يكون في ذلك PDF نص قابل للتحديد. تطلب هذه الصفحة بريد الدفع لتصريح نشط قبل قراءة المسح.

ماذا يبقى بعد الحذف؟

يزيل GridFS المسح و ocr.pdf بعد ساعة الاحتفاظ، 30 دقيقة إلا إذا كان RETENTION_MINUTES عددًا موجبًا. صف deletions يبقي المعرفات والأوقات لا البايتات. صف jobs يبقي الأسماء وعدد الصفحات والبريد المكتوب وتجزئة الشبكة. ملفات PNG المؤقتة ذهبت من قبل.

ماذا يغير التصريح هنا؟

يلزم تصريح نشط قبل المسح الأول. تصريح اليوم $6، يُحصّل مرة، لـ 24 ساعة، ولا يتجدد. السنة $60 لـ 365 يومًا. الإلغاء يوقف التحصيل التالي للسنة. سقف 20 صفحة يبقى للاثنين. التصريح لا يضيف لغة غير الإنجليزية ولا يحوّل النتيجة إلى وورد.

أيضًا