OCR pliku PDF
Ten plik zostanie wgrany. Znika w ciągu 30 minut. Lokalne narzędzia nie czytają obrazów tekstu. Darmowy plik serwera to PDF na Word. OCR wymaga karnetu dziennego za $6 albo roku za $60.
Kroki
- Upuść skan. Ta strona czyta obrazy tekstu. Nie zamienia na Word pliku PDF, który już ma tekst do zaznaczenia.
- Wpisz e-mail użyty przy płatności. OCR nie jest darmowym plikiem serwera.
- Pobierz PDF. Kopia na serwerze znika w ciągu 30 minut.
Pytania
Czy plik jest wysyłany?
Tak. Narzędzia przeglądarki nie. OCR trzyma skan i wynik w GridFS, aż retencja usunie oba.
Czy karnet dzienny się odnawia?
Nie. Kosztuje $6, jest pobierany raz i kończy się po 24 godzinach. Rok kosztuje $60. Piszemy 7 dni przed tą opłatą. Oba płatności są na stronie cen. Cennik
Co zwraca to odczytanie
Serwer zamienia każdą stronę w PNG przy 200 punktach na cal, potem prosi Tesseract o angielską warstwę tekstu. Flaga języka to eng. Nie ma menu języka. pdftoppm rusza raz, z -png, -r 200 i zakresem od 1 do liczby stron. Tesseract rusza raz na stronę i pisze PDF tej strony. Jedna strona wraca jako ten PDF. Więcej stron jest scalanych po kolei. Nazwa pobrania to zawsze ocr.pdf. To PDF, nie plik Word. Oryginalny plik na komputerze nie jest zastępowany.
Skan i ocr.pdf trafiają do MongoDB GridFS, bucket uploads, z tool ocr-pdf. Źródło używa role source. Wynik używa role result. Robocze PNG żyją w katalogu tymczasowym i znikają, gdy praca się kończy albo pada. Retencja usuwa obiekty GridFS, których czas wysłania ma co najmniej RETENTION_MINUTES. Brak, zero albo wartość niedodatnia używa 30. Wiersz deletions trzyma id, nazwę, narzędzie, rolę, czas wysłania i czas usunięcia, nie bajty. Serwer usuwa skan i ocr.pdf w ciągu 30 minut.
Nie ma darmowego pliku OCR. Bramka jest wołana, gdy licznik darmowych plików już wynosi 1, więc gość bez aktywnego zakupu jest odrzucany. Pułap to 20 stron, nawet gdy karnet jest aktywny. Karnet dzienny kosztuje $6, jest pobierany raz, trwa 24 godziny i nie odnawia się. Rok kosztuje $60 i trwa 365 dni. E-mail musi pasować do zakupu o statusie active, od początku i przed końcem. Darmowy plik serwera to PDF na Word, jeden plik, do 20 stron, na własnej stronie. pdftoppm i Tesseract każdej strony są zatrzymywane po 60 sekundach. Formularz bierze jeden plik.
Brak pliku albo brak %PDF- w pierwszych 1024 znakach kończy się "Choose a PDF." Plik, którego liczby stron nie da się odczytać, kończy się "This PDF could not be read." Brak stron kończy się "This PDF has no pages." Ponad 20 stron kończy się "OCR stops at 20 pages." Bez karnetu kończy się "OCR needs a $6 day pass or the $60 year. The free server file is PDF to Word. Enter the email from checkout." Gdy brakuje pdftoppm albo Tesseract, strona mówi "OCR is not available on this server." Proces po czasie albo nieudany też kończy się jako "This PDF could not be read."
Pytania
Co jest w ocr.pdf?
PDF. Tesseract pisze angielską warstwę tekstu z obrazu 200 DPI każdej strony. Ta strona nie składa kolumn od nowa i nie wydaje .docx. PDF, który już ma zaznaczalny tekst, i tak idzie tą samą ścieżką obrazu. PDF na Word to strona, która kopiuje istniejącą warstwę tekstu do Word.
Czy pierwszy skan jest darmowy?
Nie. OCR pliku PDF nigdy nie jest darmowym plikiem serwera. Darmowy plik to jedna konwersja PDF na Word, do 20 stron, gdy ten PDF ma zaznaczalny tekst. Ta strona prosi o e-mail płatności aktywnego karnetu, zanim przeczyta skan.
Co zostaje po usunięciu?
GridFS zabiera skan i ocr.pdf po zegarze retencji, 30 minut, chyba że RETENTION_MINUTES jest liczbą dodatnią. Wiersz deletions trzyma id i czasy, nie bajty. Wiersz jobs trzyma nazwy, liczbę stron, wpisany e-mail i skrót sieci. Tymczasowe PNG już zniknęły.
Co zmienia tu karnet?
Aktywny karnet jest wymagany przed pierwszym skanem. Karnet dzienny to $6, jedno pobranie, na 24 godziny, i nie odnawia się. Rok to $60 na 365 dni. Anulowanie zatrzymuje następną opłatę roczną. Pułap 20 stron zostaje dla obu. Karnet nie dodaje języka innego niż angielski i nie zamienia wyniku w Word.