Extraheer tekst uit DjVu

Herstel de verborgen OCR-tekst die al in een DjVu-document is ingesloten als UTF-8 platte tekst of begrensde positionele XML. Dit is extractie, niet nieuw OCR.

Privéresultaten · geen netwerkzoekopdracht · geen kwaliteitsvermindering · bestanden tot 1 GB

XML is een begrensde DjVuLibre-enginerepresentatie. Het is niet ALTO of hOCR en garandeert geen leesvolgorde.

Herinnering rechten en privacy: Verwerk alleen documenten die u mag gebruiken. Verborgen tekst, annotaties en scans kunnen privé- of auteursrechtelijk beschermd materiaal bevatten. De resultaten blijven in de privétaak van de uploader staan ​​en worden binnen de bestaande bewaarperiode als no-store bijlagen weergegeven.

Wat de DjVu-toolkit doet

Gelimiteerde inspectie

Rapporteert het aantal pagina's, eigen afmetingen, DPI en gamma indien zichtbaar, gebundelde structuur, verborgen tekst, annotaties, miniaturen en voorgrond-, achtergrond- en maskerlagen.

Van bron afgeleide tekst

Tekstnauwkeurigheid en taalgebruik zijn volledig afkomstig van de geüploade bron. Convertr verbetert, vertaalt, muteert of verzendt de geëxtraheerde tekst niet stroomopwaarts.

Native paginaweergave

Geselecteerde pagina's worden gedecodeerd door de vastgezette ddjvu-build in hun volledige oorspronkelijke afmetingen. Onveilige uitbreiding mislukt expliciet in plaats van de uitvoer af te korten of te verkleinen.

Indirecte DjVu-documenten met onopgeloste componentreferenties worden afgewezen. De toolkit volgt nooit component-URL's. De toolkit onthult nooit component-ID's. De toolkit accepteert nooit opdrachtscripts. De toolkit biedt nooit schakelaars voor bijsnijden of kwaliteit.

Gerelateerd document en PDF-hulpmiddelen

DjVu naar PDFConverteer het document naar PDF. Het behoud van de tekstlaag moet afzonderlijk worden geverifieerd. DocumentomzetterBlader door conversietools voor documenten en e-boeken. OCR GereedschapMaak een nieuwe OCR voor ondersteunde afbeeldings- en PDF-invoer als er geen tekstlaag bestaat. Extraheer DjVu pagina'sRender geselecteerde pagina's met native resolutie. DjVu InspecteurControleer de documentstructuur voordat u iets extraheert. PDF SplitsenGeselecteerde pagina's splitsen na het converteren van een geschikt document naar PDF. Afbeeldingen extraheren uit PDFHerstel afbeeldingen die zijn ingebed in een PDF.

Extraheer tekst uit DjVu

Herstel alleen de verborgen OCR-tekst die al in een DjVu-document is ingesloten.

Invoer
één handtekening-geverifieerd .djvu- of .djv-bestand en TXT of positionele XML-uitvoer.
Uitvoer
Volledige UTF-8-tekst of opgeschoonde begrensde positionele XML.
Echte beperkingen
Dit creëert geen nieuwe OCR, verbetert de nauwkeurigheid niet, vertaalt tekst of garandeert de leesvolgorde.
Privaciteit en gegevensbehandeling
één handtekening-geverifieerd .djvu- of .djv-bestand en TXT of positionele XML-uitvoer wordt pas geüpload naar een compatibele Convertr-werker nadat u de bewerking hebt gestart. De verwerking is geautomatiseerd en tijdelijke bron- en resultaatbestanden worden na verwerking automatisch verwijderd in plaats van bewaard als permanente opslag.

Hoe deze tool te gebruiken

  1. Kies één handtekening-geverifieerd .djvu- of .djv-bestand en TXT of positionele XML-uitvoer en wacht tot de pagina deze valideert.
  2. Stel de beschikbare output of inspectie opties vast en begin vervolgens met het verwerken.
  3. Bekijk het gerapporteerde resultaat en download de volledige UTF-8-tekst of opgeschoonde begrensde positionele XML voordat de tijdelijke link verloopt.

Gemeenschappelijke mislukkingsmodi

Een ontbrekende tekstlaag, ongeldige UTF-8, onveilige XML-uitbreiding, verkeerd opgemaakt document of uitputting van de werkruimte leidt tot een expliciete fout.

nuttig voorbeeld

Upload een DjVu met ingesloten tekst en download de exacte djvutxt UTF-8-uitvoer.