OCR van een PDF
Dit bestand wordt geüpload. Het wordt binnen 30 minuten verwijderd. Lokale gereedschappen lezen geen tekstbeelden. Het gratis serverbestand is PDF naar Word. OCR heeft een dagpas van $6 of het jaar van $60 nodig.
Stappen
- Zet een scan neer. Deze pagina leest tekstbeelden. Ze zet een PDF die al selecteerbare tekst heeft niet om naar Word.
- Vul de e-mail in die u bij de betaling gebruikte. OCR is niet het gratis serverbestand.
- Download de PDF. De kopie op de server wordt binnen 30 minuten verwijderd.
Vragen
Wordt het bestand geüpload?
Ja. De browsergereedschappen niet. OCR bewaart de scan en het resultaat in GridFS tot de retentie beide verwijdert.
Verlengt de dagpas zich?
Nee. Hij kost $6, wordt één keer afgeschreven en eindigt 24 uur later. Het jaar kost $60. We mailen 7 dagen voor die afschrijving. Beide betalingen staan op de prijspagina. Prijzen
Wat deze lezing teruggeeft
De server maakt van elke pagina een PNG op 200 punten per inch en vraagt daarna Tesseract om een Engelse tekstlaag. De taalvlag is eng. Er is geen taalmenu. pdftoppm draait één keer, met -png, -r 200 en een bereik van 1 tot het aantal pagina's. Tesseract draait één keer per pagina en schrijft een PDF voor die pagina. Eén pagina komt terug als die PDF. Meer pagina's worden op volgorde samengevoegd. De downloadnaam is altijd ocr.pdf. Het is een PDF, geen Word-bestand. Het oorspronkelijke bestand op de computer wordt niet vervangen.
De scan en ocr.pdf gaan naar MongoDB GridFS, bucket uploads, met tool ocr-pdf. De bron gebruikt role source. Het resultaat gebruikt role result. De werk-PNG's staan in een tijdelijke map en verdwijnen wanneer de klus eindigt of mislukt. Bewaring verwijdert GridFS-objecten waarvan de uploadtijd minstens RETENTION_MINUTES oud is. Een ontbrekende, nul of niet-positieve waarde gebruikt 30. De rij deletions bewaart het id, de naam, het gereedschap, de rol, de uploadtijd en de wistijd, niet de bytes. De server wist de scan en ocr.pdf binnen 30 minuten.
Er is geen gratis OCR-bestand. De poort wordt aangeroepen met de teller van gratis bestanden al op 1, dus een bezoeker zonder actieve aankoop wordt geweigerd. Het plafond is 20 pagina's, ook als een pas actief is. Een dagpas kost $6, wordt één keer afgerekend, duurt 24 uur en verlengt niet. Het jaar kost $60 en duurt 365 dagen. De mail moet passen bij een aankoop met status active, vanaf het begin en vóór het einde. Het gratis serverbestand is PDF naar Word, één bestand, tot 20 pagina's, op zijn eigen pagina. pdftoppm en de Tesseract van elke pagina worden na 60 seconden gestopt. Het formulier neemt één bestand.
Geen bestand, of bytes zonder %PDF- in de eerste 1024 tekens, faalt met "Choose a PDF." Een bestand waarvan het aantal pagina's niet gelezen wordt, faalt met "This PDF could not be read." Geen pagina's faalt met "This PDF has no pages." Meer dan 20 pagina's faalt met "OCR stops at 20 pages." Zonder pas faalt het met "OCR needs a $6 day pass or the $60 year. The free server file is PDF to Word. Enter the email from checkout." Als pdftoppm of Tesseract ontbreekt, zegt de pagina "OCR is not available on this server." Een verlopen of mislukt proces eindigt ook als "This PDF could not be read."
Vragen
Wat zit er in ocr.pdf?
Een PDF. Tesseract schrijft een Engelse tekstlaag vanuit het beeld van 200 DPI van elke pagina. De pagina bouwt kolommen niet opnieuw en geeft geen .docx. Een PDF die al selecteerbare tekst heeft, gaat toch door hetzelfde beeldpad. PDF naar Word is de pagina die een bestaande tekstlaag naar Word kopieert.
Is de eerste scan gratis?
Nee. OCR van een PDF is nooit het gratis serverbestand. Het gratis bestand is één omzetting PDF naar Word, tot 20 pagina's, wanneer die PDF selecteerbare tekst heeft. Deze pagina vraagt de betaalmail van een actieve pas voordat hij de scan leest.
Wat blijft er na het wissen?
GridFS haalt de scan en ocr.pdf weg na de klok, 30 minuten tenzij RETENTION_MINUTES een positief getal is. De rij deletions houdt ids en tijden, niet de bytes. De rij jobs houdt de namen, het aantal pagina's, de getypte mail en de netwerkhash. De tijdelijke PNG's zijn al weg.
Wat verandert een pas hier?
Een actieve pas is nodig vóór de eerste scan. De dagpas is $6, één keer afgerekend, voor 24 uur, en hij verlengt niet. Het jaar is $60 voor 365 dagen. Opzeggen stopt de volgende jaarafschrijving. Het plafond van 20 pagina's blijft voor beide. Een pas voegt geen andere taal dan Engels toe en maakt van het resultaat geen Word.