Hopp til innholdet

OCR PDF: gjenkjenn teksten i skannede dokumenter

Gjenkjenn teksten på skannede sider og legg den usynlig over hver side: PDF-en ser lik ut, men nå kan du søke i teksten og kopiere den. Alt skjer på enheten din.

Behandlet på enheten dinIngenting sendes til servere

Dra én eller flere PDF-filer hit

PDF-filer

Filene åpnes på enheten din og lastes aldri opp.

Slik fungerer det

  1. Velg den skannede PDF-en

    Dra filen inn i arbeidsområdet, eller bruk knappen. Du kan velge flere filer samtidig.

  2. Velg språk

    Kryss av for språkene i dokumentet (norsk, svensk, dansk, engelsk, tysk, nederlandsk, fransk, spansk, italiensk, portugisisk, polsk, tyrkisk, indonesisk, malayisk, arabisk, hebraisk, forenklet kinesisk, tradisjonell kinesisk, japansk eller koreansk), og velg kvalitet. Første gang laster MovaDoc ned dataene til gjenkjenningen: rundt 0,5 til 3 MB per språk.

  3. Last ned den søkbare PDF-en

    Sidene ser like ut, med den gjenkjente teksten skjult over: nå kan du søke i den og kopiere den. Du kan også laste ned bare teksten (.txt).

Ofte stilte spørsmål

Blir den gjenkjente teksten riktig?

Det avhenger av skanningen. Skarp, trykt tekst blir gjenkjent nesten uten feil, mens uskarpe skanninger og skanninger med lav oppløsning gir flere feil. Sider som står skjevt (opptil rundt 10°), ligger på siden eller står opp ned, rettes opp automatisk. Håndskrift blir ikke gjenkjent. Sjekk alltid det som er viktig.

Blir filene mine sendt til en server?

Nei. Gjenkjenningen kjører i nettleseren din, med Tesseract-motoren. Første gang laster MovaDoc ned motoren og språkdataene (rundt 3 MB per språk) fra sitt eget nettsted. Det skjer når du begynner å bruke verktøyet (du trykker eller klikker på det, eller kommer til det med tastaturet), og før noen fil blir behandlet. PDF-en din forlater aldri enheten.

Hva endres i PDF-en?

Det du ser, er det samme: den gjenkjente teksten legges usynlig over hver side, der hvert ord står. Dermed kan du markere, kopiere og søke i teksten. I tabeller blir ordene søkbare, men tekst du kopierer, mister tabelloppsettet.

Virker tekstgjenkjenningen uten internett?

Ja, etter første gang: filene til gjenkjenningen lagres i nettleseren (i et privat vindu bare til du lukker det). Første gang – og når du velger et annet språk eller en annen kvalitet – trengs internett for å laste dem ned.

Hvilke språk gjenkjennes? Og «Rask» eller «Nøyaktig»?

Norsk, svensk, dansk, engelsk, tysk, nederlandsk, fransk, spansk, italiensk, portugisisk, polsk, tyrkisk, indonesisk, malayisk, arabisk, hebraisk, kinesisk (forenklet og tradisjonell), japansk og koreansk, også blandet i samme dokument. På arabisk og hebraisk, som skrives fra høyre mot venstre, lagres den skjulte teksten i leseretningen, så du kan søke i den og kopiere den som all annen tekst. På kinesisk og japansk lagres den skjulte teksten uten mellomrom mellom tegnene, slik disse språkene skrives. Andre skriftsystemer (kyrillisk, gresk …) blir ikke lest, og det sier MovaDoc fra om; loddrett tekst blir heller ikke lest. «Rask» er lettere og holder for skarp, trykt tekst. «Nøyaktig» gjenkjenner liten skrift og svake skanninger bedre, men tar lengre tid. På en datamaskin tar hver side mellom 5 og 30 sekunder, avhengig av teksten. På en mobil kan det ta mye lenger tid.