Extraer texto de DjVu

Recupere el texto OCR oculto ya incrustado en un documento DjVu como texto sin formato UTF-8 o XML posicional delimitado. Esto es de extracción, no nuevo OCR.

Resultados privados · sin búsqueda de red · sin reducción de calidad · archivos hasta 1 GB

XML es una representación de motor DjVuLibre limitada. No es ALTO ni hOCR y no garantiza el orden de lectura.

Recordatorio de derechos y privacidad: Procese únicamente los documentos que tenga permitido utilizar. El texto, las anotaciones y los escaneos ocultos pueden contener material privado o protegido por derechos de autor. Los resultados permanecen en el trabajo privado de quien los subió y se publican como archivos adjuntos no-store durante el período de retención existente.

Qué hace el kit de herramientas DjVu

Inspección limitada

Informa el recuento de páginas, dimensiones nativas, DPI y gamma cuando están expuestas, estructura agrupada, texto oculto, anotaciones, miniaturas y capas de primer plano, fondo y máscara.

Texto derivado de la fuente

La precisión del texto y el lenguaje provienen completamente de la fuente cargada. Convertr no mejora, traduce, muta ni envía texto extraído en sentido ascendente.

Representación de página nativa

Las páginas seleccionadas son decodificadas por la compilación ddjvu fijada en sus dimensiones nativas completas. La expansión insegura falla explícitamente en lugar de truncar o reducir la escala de la salida.

Se rechazan los documentos DjVu indirectos con referencias de componentes no resueltas. El kit de herramientas nunca sigue las URL de los componentes. Nunca expone los identificadores de componentes. Nunca acepta scripts de comando. Nunca ofrece controles de recorte ni de calidad.

Documento relacionado y herramientas PDF

DjVu a PDFConvierta el documento a PDF. La preservación de la capa de texto debe verificarse por separado. Convertidor de documentosExplore herramientas de conversión de documentos y libros electrónicos. OCR HerramientasCree nuevas entradas OCR para imágenes admitidas y PDF cuando no exista una capa de texto. Extraer DjVu páginasRenderice páginas seleccionadas con resolución nativa. DjVu InspectoraRevise la estructura del documento antes de extraer cualquier cosa. Divisor de PDFDivida las páginas seleccionadas después de convertir un documento apropiado a PDF. Extraer imágenes de PDFRecuperar imágenes incrustadas en un PDF.

Extraer texto de DjVu

Recupere solo el texto oculto OCR ya incrustado en un documento DjVu.

Entrada
Un archivo .djvu o .djv con firma verificada y salida TXT o XML posicional.
Salida
Texto UTF-8 completo o posicional delimitado desinfectado XML.
Las limitaciones reales
Esto no crea un nuevo OCR, no mejora la precisión, no traduce el texto ni garantiza el orden de lectura.
Privacidad y tratamiento de datos
un archivo .djvu o .djv con firma verificada y una salida TXT o XML posicional se cargan en un trabajador Convertr compatible solo después de iniciar la operación. El procesamiento está automatizado y los archivos fuente y de resultados temporales se eliminan automáticamente después del procesamiento en lugar de conservarse como almacenamiento permanente.

Cómo utilizar esta herramienta

  1. Elija un archivo .djvu o .djv con firma verificada y una salida TXT o XML posicional y espere a que la página lo valide.
  2. Configure las opciones de salida o inspección disponibles, luego comience el procesamiento.
  3. Revise el resultado informado y descargue el texto UTF-8 completo o el XML posicional delimitado desinfectado antes de que caduque el enlace temporal.

Modos comunes de fracaso

Una capa de texto faltante, un UTF-8 no válido, una expansión XML insegura, un documento con formato incorrecto o agotamiento del espacio de trabajo producen una falla explícita.

Un ejemplo útil

Cargue un DjVu con texto incrustado y descargue la salida exacta de djvutxt UTF-8.