OCR del PDF
Questo file verrà caricato. Viene eliminato entro 30 minuti. Gli strumenti locali non leggono le immagini del testo. Il file gratuito del server è PDF in Word. L'OCR richiede un pass giornaliero da $6 o l'anno da $60.
Passi
- Lascia una scansione. Questa pagina legge le immagini del testo. Non converte in Word un PDF che ha già testo selezionabile.
- Inserisci l'email usata al pagamento. L'OCR non è il file gratuito del server.
- Scarica il PDF. La copia sul server viene eliminata entro 30 minuti.
Domande
Il file viene caricato?
Sì. Gli strumenti del browser no. L'OCR conserva la scansione e il risultato in GridFS finché la conservazione non elimina entrambi.
Il pass giornaliero si rinnova?
No. Costa $6, si addebita una volta e finisce 24 ore dopo. L'anno costa $60. Scriviamo 7 giorni prima di quell'addebito. Entrambi i pagamenti sono nella pagina dei prezzi. Prezzi
Che cosa restituisce questa lettura
Il server trasforma ogni pagina in un PNG a 200 punti per pollice, poi chiede a Tesseract uno strato di testo in inglese. La bandiera della lingua è eng. Non c'è un menu delle lingue. pdftoppm gira una volta, con -png, -r 200 e un intervallo da 1 fino al numero di pagine. Tesseract gira una volta per pagina e scrive un PDF di quella pagina. Una sola pagina viene restituita come quel PDF. Più pagine vengono unite in ordine. Il nome del download è sempre ocr.pdf. È un PDF, non un file di Word. Il file originale sul computer non viene sostituito.
La scansione e ocr.pdf vanno in MongoDB GridFS, bucket uploads, con tool ocr-pdf. L'origine usa role source. Il risultato usa role result. I PNG di lavoro stanno in una cartella temporanea e vengono tolti quando il lavoro finisce o fallisce. La conservazione cancella gli oggetti GridFS la cui ora di invio raggiunge RETENTION_MINUTES. Un valore assente, zero o non positivo usa 30. La riga deletions salva l'id, il nome, lo strumento, il ruolo, l'ora di invio e l'ora di cancellazione, non i byte. Il server cancella la scansione e ocr.pdf entro 30 minuti.
Non esiste un file OCR gratuito. Il cancello viene chiamato con il conteggio dei file gratuiti già a 1, quindi un visitatore senza acquisto attivo viene rifiutato. Il tetto è di 20 pagine anche se un pass è attivo. Il pass giornaliero costa $6, si addebita una volta, dura 24 ore e non si rinnova. L'anno costa $60 e dura 365 giorni. L'email deve corrispondere a un acquisto con stato active, dall'inizio e prima della fine. Il file gratuito del server è PDF in Word, un file, fino a 20 pagine, sulla sua pagina. pdftoppm e il Tesseract di ogni pagina vengono chiusi dopo 60 secondi. Il modulo prende un solo file.
Nessun file, o byte senza %PDF- nei primi 1024 caratteri, fallisce con "Choose a PDF." Un file di cui non si legge il numero di pagine fallisce con "This PDF could not be read." Nessuna pagina fallisce con "This PDF has no pages." Oltre 20 pagine fallisce con "OCR stops at 20 pages." Senza pass fallisce con "OCR needs a $6 day pass or the $60 year. The free server file is PDF to Word. Enter the email from checkout." Se pdftoppm o Tesseract non sono installati, la pagina dice "OCR is not available on this server." Un processo scaduto o fallito finisce anch'esso come "This PDF could not be read."
Domande
Che cosa c'è dentro ocr.pdf?
Un PDF. Tesseract scrive uno strato di testo in inglese a partire dall'immagine a 200 DPI di ogni pagina. La pagina non ricostruisce le colonne e non emette un .docx. Un PDF che ha già testo selezionabile passa comunque da questo percorso a immagine. PDF in Word è la pagina che copia uno strato di testo esistente in Word.
La prima scansione è gratuita?
No. OCR del PDF non è mai il file gratuito del server. Il file gratuito è una conversione PDF in Word, fino a 20 pagine, quando quel PDF ha testo selezionabile. Questa pagina chiede l'email di pagamento di un pass attivo prima di leggere la scansione.
Che cosa resta dopo la cancellazione?
GridFS toglie la scansione e ocr.pdf allo scadere dell'orologio, 30 minuti salvo che RETENTION_MINUTES sia un numero positivo. La riga deletions tiene gli id e gli orari, non i byte. La riga jobs tiene i nomi, il numero di pagine, l'email scritta e l'hash di rete. I PNG temporanei sono già spariti.
Che cosa cambia un pass qui?
Un pass attivo è richiesto prima della prima scansione. Il pass giornaliero è di $6, addebitato una volta, per 24 ore, e non si rinnova. L'anno è di $60 per 365 giorni. Annullare ferma l'addebito successivo dell'anno. Il tetto di 20 pagine resta per entrambi. Un pass non aggiunge una lingua diversa dall'inglese e non trasforma il risultato in Word.