Gå direkte til indholdet

OCR PDF: genkend teksten i scanninger

Genkend teksten på scannede sider, og læg den usynligt oven på hver side: PDF’en ser ud som før, men nu kan du søge i teksten og kopiere den. Det hele sker på din enhed.

Behandlet på din enhedIntet bliver sendt til servere

Træk en eller flere PDF’er herhen

PDF-filer

Filerne åbnes på din enhed og bliver aldrig uploadet.

Sådan fungerer det

  1. Vælg den scannede PDF

    Træk filen ind i feltet, eller brug knappen. Du kan vælge flere på én gang.

  2. Vælg sprog

    Sæt flueben ved dokumentets sprog (dansk, svensk, norsk, engelsk, tysk, fransk, spansk, italiensk, portugisisk, nederlandsk, polsk, tyrkisk, indonesisk, malajisk, arabisk, hebraisk, forenklet kinesisk, traditionelt kinesisk, japansk eller koreansk), og vælg kvalitet. Første gang downloader MovaDoc dataene til genkendelsen: ca. 0,5 til 3 MB pr. sprog.

  3. Download den søgbare PDF

    Siderne ser ud som før, med den genkendte tekst skjult ovenpå: nu kan du søge i den og kopiere den. Du kan også downloade teksten alene (.txt).

Ofte stillede spørgsmål

Bliver den genkendte tekst korrekt?

Det afhænger af scanningen. Skarp, trykt tekst genkendes næsten uden fejl; slørede scanninger og scanninger i lav opløsning giver flere fejl. Skæve sider (op til ca. 10°), sider, der er drejet en kvart omgang, og sider, der vender på hovedet, bliver rettet op automatisk. Håndskrift bliver ikke genkendt. Tjek altid det, der er vigtigt.

Bliver mine filer uploadet til en server?

Nej. Genkendelsen kører i din browser med Tesseract-motoren. Første gang downloader MovaDoc motoren og sprogdataene fra sit eget websted (ca. 3 MB pr. sprog), når du begynder at bruge værktøjet (trykker eller klikker på det eller når frem til det med tastaturet), og før nogen fil bliver behandlet; din PDF forlader aldrig din enhed.

Hvad ændrer sig i PDF’en?

Det, du ser, forbliver det samme: den genkendte tekst lægges usynligt oven på hver side, præcis der, hvor hvert ord står. Så kan du markere, kopiere og søge i teksten. I tabeller bliver ordene søgbare, men kopieret tekst mister tabellens opstilling.

Virker tekstgenkendelsen uden internet?

Ja, efter første gang: filerne til genkendelsen gemmes i browseren (bruger du et privat vindue, kun indtil du lukker det). Første gang (og når du vælger et andet sprog eller en anden kvalitet) skal du have internet for at downloade dem.

Hvilke sprog kan den genkende? Og »Hurtig« eller »Præcis«?

Dansk, svensk, norsk, engelsk, tysk, fransk, spansk, italiensk, portugisisk, nederlandsk, polsk, tyrkisk, indonesisk, malajisk, arabisk, hebraisk, kinesisk (forenklet og traditionelt), japansk og koreansk, også blandet i samme dokument. På arabisk og hebraisk, der skrives fra højre mod venstre, bliver den skjulte tekst gemt i den rækkefølge, den læses i: du kan søge i den og kopiere den som al anden tekst. På kinesisk og japansk gemmes den skjulte tekst uden mellemrum mellem tegnene, sådan som sprogene skrives. Andre skriftsystemer (kyrillisk, græsk …) kan ikke læses, og MovaDoc giver besked; det samme gælder lodret tekst. »Hurtig« er lettere og rækker til skarp, trykt tekst; »Præcis« er bedre til lille skrift og dårlige scanninger, men tager længere tid. På en computer tager hver side mellem 5 og 30 sekunder afhængigt af teksten; på en telefon kan det tage betydeligt længere.