OCR d'un PDF
Ce fichier sera téléversé. Il est supprimé dans les 30 minutes. Les outils locaux ne lisent pas les images de texte. Le fichier serveur gratuit est PDF en Word. L'OCR demande un passe d'un jour à $6 ou l'année à $60.
Étapes
- Déposez un scan. Cette page lit les images de texte. Elle ne convertit pas en Word un PDF qui a déjà du texte sélectionnable.
- Indiquez l'e-mail utilisé au paiement. L'OCR n'est pas le fichier serveur gratuit.
- Téléchargez le PDF. La copie du serveur est supprimée dans les 30 minutes.
Questions fréquentes
Le fichier est-il téléversé ?
Oui. Les outils du navigateur ne le sont pas. L'OCR garde le scan et le résultat dans GridFS jusqu'à ce que la rétention supprime les deux.
Le passe d'un jour se renouvelle-t-il ?
Non. Il coûte $6, est prélevé une fois et se termine 24 heures plus tard. L'année coûte $60. Nous écrivons 7 jours avant ce prélèvement. Les deux paiements sont sur la page des prix. Tarifs
Ce que cette lecture renvoie
Le serveur transforme chaque page en PNG à 200 points par pouce, puis demande à Tesseract une couche de texte en anglais. Le drapeau de langue est eng. Il n'y a pas de menu de langue. pdftoppm tourne une fois, avec -png, -r 200, et une plage de 1 jusqu'au nombre de pages. Tesseract tourne une fois par page et écrit un PDF pour cette page. Une seule page est renvoyée comme ce PDF. Plusieurs pages sont fusionnées dans l'ordre. Le nom du téléchargement est toujours ocr.pdf. C'est un PDF, pas un fichier Word. Le fichier d'origine sur l'ordinateur n'est pas remplacé.
Le scan et ocr.pdf entrent dans MongoDB GridFS, bucket uploads, avec tool ocr-pdf. La source utilise role source. Le résultat utilise role result. Les PNG de travail vivent dans un dossier temporaire et sont retirés quand le travail finit ou échoue. La rétention efface les objets GridFS dont l'heure d'envoi atteint RETENTION_MINUTES. Une valeur absente, nulle ou non positive utilise 30. La ligne deletions garde l'id, le nom, l'outil, le rôle, l'heure d'envoi et l'heure d'effacement, pas les octets. Le serveur efface le scan et ocr.pdf dans les 30 minutes.
Il n'y a pas de fichier OCR gratuit. La barrière est appelée avec le compte de fichiers gratuits déjà à 1, donc un visiteur sans achat actif est refusé. Le plafond est de 20 pages même si un passe est actif. Le passe d'un jour coûte $6, est facturé une fois, dure 24 heures et ne se renouvelle pas. L'année coûte $60 et dure 365 jours. L'e-mail doit correspondre à un achat de statut active, depuis le début et avant la fin. Le fichier gratuit du serveur est PDF en Word, un fichier, jusqu'à 20 pages, sur sa propre page. pdftoppm et le Tesseract de chaque page sont tués après 60 secondes. Le formulaire prend un seul fichier.
Sans fichier, ou sans %PDF- dans les 1024 premiers caractères, l'échec affiche "Choose a PDF." Un fichier dont le nombre de pages ne se lit pas affiche "This PDF could not be read." Sans pages, l'échec affiche "This PDF has no pages." Au-delà de 20 pages, l'échec affiche "OCR stops at 20 pages." Sans passe, l'échec affiche "OCR needs a $6 day pass or the $60 year. The free server file is PDF to Word. Enter the email from checkout." Si pdftoppm ou Tesseract n'est pas installé, la page dit "OCR is not available on this server." Un processus expiré ou en échec finit aussi par "This PDF could not be read."
Questions fréquentes
Que contient ocr.pdf ?
Un PDF. Tesseract écrit une couche de texte en anglais à partir de l'image à 200 DPI de chaque page. La page ne reconstruit pas les colonnes et n'émet pas de .docx. Un PDF qui a déjà du texte sélectionnable passe quand même par ce chemin d'image. PDF en Word est la page qui copie une couche de texte existante vers Word.
Le premier scan est-il gratuit ?
Non. OCR d'un PDF n'est jamais le fichier gratuit du serveur. Le fichier gratuit est une conversion PDF en Word, jusqu'à 20 pages, quand ce PDF a du texte sélectionnable. Cette page demande l'e-mail de paiement d'un passe actif avant de lire le scan.
Que reste-t-il après l'effacement ?
GridFS retire le scan et ocr.pdf à la fin de l'horloge, 30 minutes sauf si RETENTION_MINUTES est un nombre positif. La ligne deletions garde les ids et les heures, pas les octets. La ligne jobs garde les noms, le nombre de pages, l'e-mail saisi et le hash réseau. Les PNG temporaires sont déjà partis.
Que change un passe ici ?
Un passe actif est exigé avant le premier scan. Le passe d'un jour est à $6, facturé une fois, pour 24 heures, et il ne se renouvelle pas. L'année est à $60 pour 365 jours. Annuler arrête le prélèvement suivant de l'année. Le plafond de 20 pages reste pour les deux. Un passe n'ajoute pas une langue autre que l'anglais et ne transforme pas le résultat en Word.