Extraire le texte du DjVu

Récupérez le texte OCR masqué déjà incorporé dans un document DjVu sous forme de texte brut UTF-8 ou XML positionnel délimité. Il s'agit d'une extraction, pas d'un nouveau OCR.

Résultats privés · pas de recherche de réseau · pas de réduction de qualité · fichiers jusqu'à 1 GB

XML est une représentation de moteur DjVuLibre limitée. Il ne s'agit pas de ALTO ou hOCR et ne garantit pas l'ordre de lecture.

Rappel sur les droits et la vie privée : Traitez uniquement les documents que vous êtes autorisé à utiliser. Le texte masqué, les annotations et les analyses peuvent contenir du matériel privé ou protégé par des droits d'auteur. Les résultats restent dans le travail privé de l'utilisateur ayant téléchargé le fichier et sont diffusés sous forme de pièces jointes no-store pendant la période de conservation existante.

Ce que fait la boîte à outils DjVu

Inspection délimitée

Rapporte le nombre de pages, les dimensions natives, DPI et gamma lorsqu'ils sont exposés, la structure groupée, le texte masqué, les annotations, les miniatures et les calques de premier plan, d'arrière-plan et de masque.

Texte dérivé de la source

La précision et la langue du texte proviennent entièrement de la source téléchargée. Convertr n'améliore pas, ne traduit pas, ne mute pas et n'envoie pas le texte extrait en amont.

Rendu de page natif

Les pages sélectionnées sont décodées par la version épinglée ddjvu dans leurs dimensions natives complètes. L'expansion non sécurisée échoue explicitement au lieu de tronquer ou de réduire la sortie.

Les documents indirects DjVu avec des références de composants non résolues sont rejetés. La boîte à outils ne suit jamais les URL des composants, n'expose jamais les identifiants des composants, n'accepte pas les scripts de commande ni ne propose de commutateurs de recadrage et de qualité.

Document associé et outils PDF

DjVu à PDFConvertissez le document en PDF. La préservation de la couche de texte doit être vérifiée séparément. Convertisseur de documentsParcourez les outils de conversion de documents et de livres électroniques. OCR OutilsCréez un nouveau OCR pour les entrées d'image et PDF prises en charge lorsqu'aucun calque de texte n'existe. Extraire les pages DjVuAfficher les pages sélectionnées à la résolution native. DjVu InspecteurExaminez la structure du document avant d’extraire quoi que ce soit. Diviseur de PDFDivisez les pages sélectionnées après avoir converti un document approprié en PDF. Extraire des images d'un PDFRécupérez les images intégrées dans un PDF.

Extraire le texte du DjVu

Récupérez uniquement le texte OCR masqué déjà intégré dans un document DjVu.

Entrée
Un fichier .djvu ou .djv à signature vérifiée et une sortie TXT ou XML positionnelle.
Sortie
Texte UTF-8 complet ou XML positionnel délimité aseptisé.
Les limites réelles
Cela ne crée pas de nouveau OCR, n’améliore pas la précision, ne traduit pas le texte et ne garantit pas l’ordre de lecture.
Confidentialité et traitement des données
un fichier .djvu ou .djv à signature vérifiée et une sortie TXT ou XML positionnelle sont téléchargés vers un travailleur Convertr compatible uniquement après le démarrage de l'opération. Le traitement est automatisé et les fichiers sources et résultats temporaires sont automatiquement supprimés après le traitement plutôt que conservés comme stockage permanent.

Comment utiliser cet outil

  1. Choisissez un fichier .djvu ou .djv avec signature vérifiée et une sortie TXT ou XML positionnelle et attendez que la page le valide.
  2. Définissez les options de sortie ou d'inspection disponibles, puis commencez le traitement.
  3. Examinez le résultat rapporté et téléchargez le texte UTF-8 complet ou le XML positionnel délimité épuré avant l'expiration du lien temporaire.

Modes communs d'échec

Un calque de texte manquant, un UTF-8 non valide, une extension XML non sécurisée, un document mal formé ou un épuisement de l'espace de travail produit un échec explicite.

Exemple utile

Téléchargez un DjVu avec du texte intégré et téléchargez la sortie exacte djvutxt UTF-8.