Extrahujte text z DjVu

Obnovte skrytý text OCR již vložený do dokumentu DjVu jako prostý text UTF-8 nebo ohraničený poziční XML. Toto je extrakce, ne nové OCR.

Soukromé výsledky · žádné vyhledávání v síti · žádné snížení kvality · soubory až do 1 GB

XML je ohraničená reprezentace motoru DjVuLibre. Není to ALTO nebo hOCR a nezaručuje pořadí čtení.

Připomenutí práv a soukromí: Zpracovávat pouze dokumenty, které smíte používat. Skrytý text, anotace a skeny mohou obsahovat soukromý materiál nebo materiál chráněný autorským právem. Výsledky zůstávají v soukromé úloze uživatele, který nahrál video, a jsou zobrazovány jako přílohy no-store v rámci stávající doby uchování.

Co dělá sada nástrojů DjVu

Omezená kontrola

Hlásí počet stránek, nativní rozměry, DPI a gamma při vystavení, sdruženou strukturu, skrytý text, anotace, miniatury a vrstvy popředí, pozadí a masky.

Text odvozený ze zdroje

Přesnost a jazyk textu pocházejí výhradně z nahraného zdroje. Convertr nevylepšuje, nepřekládá, nemění ani neodesílá extrahovaný text proti proudu.

Nativní vykreslování stránky

Vybrané stránky jsou dekódovány připnutým sestavením ddjvu v jejich plných nativních rozměrech. Nebezpečné rozšíření selže explicitně namísto zkrácení nebo zmenšení výstupu.

Nepřímé dokumenty DjVu s nevyřešenými odkazy na komponenty jsou odmítnuty. Sada nástrojů nikdy nesleduje adresy URL komponent, neodhaluje identifikátory komponent, nepřijímá příkazové skripty ani nenabízí přepínače oříznutí a kvality.

Související dokument a nástroje PDF

Dvou na PDFPřeveďte dokument na PDF. Zachování textové vrstvy je třeba ověřit samostatně. Převaděč dokumentůProhlédněte si nástroje pro převod dokumentů a elektronických knih. OCR NástrojeVytvořte nový OCR pro podporovaný obrázek a PDF, když neexistuje žádná textová vrstva. Výpis DjVu stránekVykreslení vybraných stránek v nativním rozlišení. DjVu InspektorPřed extrahováním čehokoli zkontrolujte strukturu dokumentu. Rozdělení PDFRozdělte vybrané stránky po převodu příslušného dokumentu na PDF. Extrahujte obrázky z PDFObnovte obrázky vložené do PDF.

Extrahujte text z DjVu

Obnovte pouze skrytý text OCR již vložený do dokumentu DjVu.

Vstup
Jeden soubor .djvu nebo .djv s ověřeným podpisem a výstup TXT nebo poziční XML.
Výstup
Kompletní text UTF-8 nebo sanitovaný ohraničený polohový XML.
Reálné omezení
To nevytváří nové OCR, nezlepšuje přesnost, nepřekládá text ani nezaručuje pořadí čtení.
Soukromí a zpracování údajů
jeden soubor .djvu nebo .djv s ověřeným podpisem a výstup TXT nebo poziční XML se nahraje do kompatibilního pracovníka Convertr až po zahájení operace. Zpracování je automatizované a dočasné zdrojové a výsledné soubory jsou po zpracování automaticky odstraněny, nikoli uchovávány jako trvalé úložiště.

Jak tento nástroj používat

  1. Vyberte jeden soubor .djvu nebo .djv s ověřeným podpisem a výstup TXT nebo poziční XML a počkejte, až ho stránka ověří.
  2. Nastavení dostupných možností výstupu nebo inspekce a poté zahájení zpracování.
  3. Zkontrolujte nahlášený výsledek a stáhněte si kompletní text UTF-8 nebo dezinfikovaný ohraničený poziční XML, než vyprší platnost dočasného odkazu.

Společné způsoby selhání

Chybějící textová vrstva, neplatný UTF-8, nebezpečné rozšíření XML, poškozený dokument nebo vyčerpání pracovního prostoru způsobují explicitní selhání.

Užitečný příklad

Nahrajte DjVu s vloženým textem a stáhněte si přesný výstup djvutxt UTF-8.