掃描件 OCR

這個檔案會被上傳。它會在 30 分鐘內刪除。本地工具不讀取文字圖片。免費的伺服器檔案是 PDF 轉 Word。OCR 需要 $6 的日票或 $60 的年票。

步驟

放入掃描件。這個頁面讀取文字圖片。它不會把已經有可選取文字的 PDF 轉成 Word。
填寫結帳時用的電子郵件。OCR 不是免費的伺服器檔案。
下載 PDF。伺服器上的副本會在 30 分鐘內刪除。

問題

檔案會上傳嗎？

會。瀏覽器工具不會。OCR 把掃描件和結果放在 GridFS 裡，直到保留工作把兩者刪除。

日票會續費嗎？

不會。它是 $6，只收一次，24 小時後結束。年票是 $60。我們會在那次扣款前 7 天寄信。兩種付款都在價格頁。價格

這次讀取交回什麼

伺服器把每一頁變成每英寸 200 點的 PNG，然後請 Tesseract 寫一層英文文字。語言旗標是 eng。沒有語言選單。pdftoppm 只跑一次，參數是 -png、-r 200，頁範圍從 1 到頁數。Tesseract 每一頁跑一次，並為該頁寫出一份 PDF。只有一頁時就交回那份 PDF。多於一頁時按順序合併。下載名稱始終是 ocr.pdf。它是 PDF，不是 Word 檔。電腦上的原檔不會被替換。

掃描件與 ocr.pdf 都寫入 MongoDB GridFS，貯體名稱 uploads，tool 為 ocr-pdf。來源使用 role source。結果使用 role result。工作中的 PNG 放在暫存目錄，工作結束或失敗時刪除。保留工作刪除上傳時間至少達到 RETENTION_MINUTES 的 GridFS 物件。缺漏、零或非正數時用 30。deletions 列記下檔案 id、檔名、工具、角色、上傳時間與刪除時間，不記位元組。伺服器在 30 分鐘內刪除掃描件與 ocr.pdf。

沒有免費的 OCR 檔案。閘門呼叫時免費檔案計數已經是 1，所以沒有有效購買的訪客會被拒絕。上限是 20 頁，通行憑證有效時也一樣。日通行是 $6，只扣一次，24 小時，不續費。年費是 $60，共 365 天。信箱必須對上 status 為 active、並且目前時間處於開始之後、結束之前的購買。免費的伺服器檔案是 PDF 轉 Word，一份檔案，最多 20 頁，在它自己的頁面。pdftoppm 與每一頁的 Tesseract 在 60 秒後被終止。表單只收一個檔案。

沒有檔案，或前 1024 個字元裡沒有 %PDF-，失敗句是 "Choose a PDF."。讀不出頁數的檔案失敗句是 "This PDF could not be read."。沒有頁面時是 "This PDF has no pages."。超過 20 頁時是 "OCR stops at 20 pages."。沒有通行憑證時是 "OCR needs a $6 day pass or the $60 year. The free server file is PDF to Word. Enter the email from checkout."。如果沒有安裝 pdftoppm 或 Tesseract，頁面顯示 "OCR is not available on this server."。逾時或失敗的行程也會以 "This PDF could not be read." 結束。

問題

ocr.pdf 裡面是什麼？

一份 PDF。Tesseract 根據每一頁 200 DPI 的圖片寫下英文文字層。這一頁不重建分欄，也不產出 .docx。已經有可選取文字的 PDF 仍走同一條圖片路徑。PDF 轉 Word 才是把既有文字層抄進 Word 的頁面。

第一次掃描免費嗎？

不免費。掃描件 OCR 從不是那份免費的伺服器檔案。免費檔案是一次 PDF 轉 Word，最多 20 頁，並且那份 PDF 要有可選取的文字。這一頁在讀取掃描件之前，要求有效通行憑證的結帳信箱。

刪除之後還留下什麼？

保留時鐘到點後，GridFS 拿掉掃描件與 ocr.pdf。RETENTION_MINUTES 不是正數時按 30 分鐘。deletions 列留下 id 與時間，不留位元組。jobs 列留下檔名、頁數、填寫的信箱與網路雜湊。暫存 PNG 已經不在。

通行憑證在這一頁改變什麼？

第一次掃描之前就必須有一份有效通行憑證。日通行是 $6，只扣一次，24 小時，不續費。年費是 $60，共 365 天。取消會停掉下一次年費扣款。20 頁上限對兩種都還在。通行憑證不增加英語以外的語言，也不把結果變成 Word。