PDF Commons

OCR για PDF

Αυτό το αρχείο θα μεταφορτωθεί. Διαγράφεται μέσα σε 30 λεπτά. Τα τοπικά εργαλεία δεν διαβάζουν εικόνες κειμένου. Το δωρεάν αρχείο του διακομιστή είναι PDF σε Word. Το OCR χρειάζεται ημερήσιο πάσο $6 ή το έτος $60.

Η άδεια ταιριάζει με το email της πληρωμής. Η ώρα λήξης είναι το ενεργό παράθυρο.

Βήματα

  1. Αφήστε μια σάρωση. Αυτή η σελίδα διαβάζει εικόνες κειμένου. Δεν μετατρέπει σε Word ένα PDF που έχει ήδη επιλέξιμο κείμενο.
  2. Γράψτε το email που χρησιμοποιήσατε στην πληρωμή. Το OCR δεν είναι το δωρεάν αρχείο του διακομιστή.
  3. Κατεβάστε το PDF. Το αντίγραφο στον διακομιστή διαγράφεται μέσα σε 30 λεπτά.

Ερωτήσεις

Το αρχείο μεταφορτώνεται;

Ναι. Τα εργαλεία του προγράμματος περιήγησης όχι. Το OCR κρατά τη σάρωση και το αποτέλεσμα στο GridFS ώσπου η διατήρηση να σβήσει και τα δύο.

Ανανεώνεται το ημερήσιο πάσο;

Όχι. Κοστίζει $6, χρεώνεται μία φορά και τελειώνει 24 ώρες μετά. Το έτος κοστίζει $60. Στέλνουμε email 7 ημέρες πριν από αυτή τη χρέωση. Και οι δύο πληρωμές είναι στη σελίδα τιμών. Τιμές

Τι επιστρέφει αυτή η ανάγνωση

Ο διακομιστής κάνει κάθε σελίδα PNG στα 200 στιγμές ανά ίντσα και μετά ζητά από το Tesseract ένα αγγλικό στρώμα κειμένου. Η σημαία γλώσσας είναι eng. Δεν υπάρχει μενού γλώσσας. Το pdftoppm τρέχει μία φορά, με -png, -r 200 και εύρος από 1 ως τον αριθμό σελίδων. Το Tesseract τρέχει μία φορά ανά σελίδα και γράφει ένα PDF για εκείνη τη σελίδα. Μία σελίδα επιστρέφεται ως αυτό το PDF. Περισσότερες σελίδες ενώνονται με τη σειρά. Το όνομα λήψης είναι πάντα ocr.pdf. Είναι PDF, όχι αρχείο Word. Το αρχικό αρχείο στον υπολογιστή δεν αντικαθίσταται.

Η σάρωση και το ocr.pdf μπαίνουν στο MongoDB GridFS, bucket uploads, με tool ocr-pdf. Η πηγή χρησιμοποιεί role source. Το αποτέλεσμα χρησιμοποιεί role result. Τα PNG εργασίας ζουν σε προσωρινό φάκελο και φεύγουν όταν η δουλειά τελειώνει ή αποτυγχάνει. Η διατήρηση σβήνει αντικείμενα GridFS των οποίων η ώρα αποστολής είναι τουλάχιστον RETENTION_MINUTES. Απούσα, μηδενική ή μη θετική τιμή χρησιμοποιεί 30. Η γραμμή deletions κρατά το id, το όνομα, το εργαλείο, τον ρόλο, την ώρα αποστολής και την ώρα διαγραφής, όχι τα bytes. Ο διακομιστής διαγράφει τη σάρωση και το ocr.pdf μέσα σε 30 λεπτά.

Δεν υπάρχει δωρεάν αρχείο OCR. Η πύλη καλείται με τον μετρητή δωρεάν αρχείων ήδη στο 1, οπότε επισκέπτης χωρίς ενεργή αγορά απορρίπτεται. Το ταβάνι είναι 20 σελίδες ακόμα και με ενεργό πάσο. Το ημερήσιο πάσο κοστίζει $6, χρεώνεται μία φορά, διαρκεί 24 ώρες και δεν ανανεώνεται. Το έτος κοστίζει $60 και διαρκεί 365 ημέρες. Το email πρέπει να ταιριάζει με αγορά κατάστασης active, από την αρχή και πριν το τέλος. Το δωρεάν αρχείο του διακομιστή είναι PDF σε Word, ένα αρχείο, έως 20 σελίδες, στη δική του σελίδα. Το pdftoppm και το Tesseract κάθε σελίδας σκοτώνονται μετά από 60 δευτερόλεπτα. Η φόρμα παίρνει ένα αρχείο.

Χωρίς αρχείο, ή χωρίς %PDF- στους πρώτους 1024 χαρακτήρες, αποτυγχάνει με "Choose a PDF." Αρχείο του οποίου ο αριθμός σελίδων δεν διαβάζεται αποτυγχάνει με "This PDF could not be read." Χωρίς σελίδες αποτυγχάνει με "This PDF has no pages." Πάνω από 20 σελίδες αποτυγχάνει με "OCR stops at 20 pages." Χωρίς πάσο αποτυγχάνει με "OCR needs a $6 day pass or the $60 year. The free server file is PDF to Word. Enter the email from checkout." Αν λείπουν pdftoppm ή Tesseract, η σελίδα λέει "OCR is not available on this server." Ληγμένη ή αποτυχημένη διεργασία τελειώνει επίσης ως "This PDF could not be read."

Ερωτήσεις

Τι υπάρχει μέσα στο ocr.pdf;

Ένα PDF. Το Tesseract γράφει αγγλικό στρώμα κειμένου από την εικόνα 200 DPI κάθε σελίδας. Η σελίδα δεν ξαναχτίζει στήλες και δεν βγάζει .docx. Ένα PDF που έχει ήδη επιλέξιμο κείμενο περνά από το ίδιο μονοπάτι εικόνας. PDF σε Word είναι η σελίδα που αντιγράφει υπάρχον στρώμα κειμένου στο Word.

Η πρώτη σάρωση είναι δωρεάν;

Όχι. OCR για PDF δεν είναι ποτέ το δωρεάν αρχείο του διακομιστή. Το δωρεάν αρχείο είναι μία μετατροπή PDF σε Word, έως 20 σελίδες, όταν αυτό το PDF έχει επιλέξιμο κείμενο. Αυτή η σελίδα ζητά το email πληρωμής ενός ενεργού πάσου πριν διαβάσει τη σάρωση.

Τι μένει μετά τη διαγραφή;

Το GridFS βγάζει τη σάρωση και το ocr.pdf μετά το ρολόι, 30 λεπτά εκτός αν το RETENTION_MINUTES είναι θετικός αριθμός. Η γραμμή deletions κρατά ids και ώρες, όχι bytes. Η γραμμή jobs κρατά τα ονόματα, τον αριθμό σελίδων, το γραμμένο email και το hash δικτύου. Τα προσωρινά PNG έχουν ήδη φύγει.

Τι αλλάζει ένα πάσο εδώ;

Ενεργό πάσο απαιτείται πριν την πρώτη σάρωση. Το ημερήσιο πάσο είναι $6, μία χρέωση, για 24 ώρες, και δεν ανανεώνεται. Το έτος είναι $60 για 365 ημέρες. Η ακύρωση σταματά την επόμενη ετήσια χρέωση. Το ταβάνι των 20 σελίδων μένει και για τα δύο. Ένα πάσο δεν προσθέτει γλώσσα άλλη από τα αγγλικά και δεν κάνει το αποτέλεσμα Word.

Επίσης