Extrair texto de DjVu

Recupere o texto OCR oculto já incorporado em um documento DjVu como texto simples UTF-8 ou XML posicional limitado. Isto é extração, não novo OCR.

Resultados privados · sem pesquisa de rede · sem redução de qualidade · arquivos até 1 GB

XML é uma representação limitada do mecanismo DjVuLibre. Não é ALTO ou hOCR e não garante ordem de leitura.

Lembrete de direitos e privacidade: Processe apenas documentos que você tem permissão para usar. Texto, anotações e digitalizações ocultas podem conter material privado ou protegido por direitos autorais. Os resultados permanecem no trabalho privado do remetente e são veiculados como no-store anexos durante o período de retenção existente.

O que o kit de ferramentas DjVu faz

Inspeção limitada

Contagem de páginas de relatórios, dimensões nativas, DPI e gamma quando expostas, estrutura agrupada, texto oculto, anotações, miniaturas e camadas de primeiro plano, plano de fundo e máscara.

Texto derivado da fonte

A precisão e a linguagem do texto vêm inteiramente da fonte enviada. Convertr não melhora, traduz, altera ou envia texto extraído upstream.

Renderização de página nativa

As páginas selecionadas são decodificadas pela construção ddjvu fixada em suas dimensões nativas completas. A expansão insegura falha explicitamente em vez de truncar ou reduzir a saída.

Documentos DjVu indiretos com referências de componentes não resolvidas são rejeitados. O kit de ferramentas nunca segue URLs de componentes. Nunca expõe identificadores de componentes. Nunca aceita scripts de comando. Nunca oferece opções de corte ou qualidade.

Documento relacionado e ferramentas PDF

DIV em PDFConverta o documento para PDF. A preservação da camada de texto deve ser verificada separadamente. Conversor de documentosNavegue pelas ferramentas de conversão de documentos e e-books. OCR FerramentasCrie um novo OCR para imagens suportadas e entradas PDF quando não existir nenhuma camada de texto. Extraia DjVu páginasRenderize as páginas selecionadas na resolução nativa. DjVu InspetorRevise a estrutura do documento antes de extrair qualquer coisa. Divisor de PDFDivida as páginas selecionadas após converter um documento apropriado para PDF. Extraia imagens de PDFRecupere imagens incorporadas em um PDF.

Extrair texto de DjVu

Recupere apenas o texto OCR oculto já incorporado em um documento DjVu.

Entrada
Um arquivo .djvu ou .djv com assinatura verificada e saída TXT ou XML posicional.
Saída
Texto UTF-8 completo ou posicional delimitado higienizado XML.
Limitações reais
Isso não cria novos OCR, melhora a precisão, traduz texto ou garante a ordem de leitura.
Privacidade e tratamento de dados
um arquivo .djvu ou .djv com assinatura verificada e a saída TXT ou XML posicional são carregados para um trabalhador Convertr compatível somente após você iniciar a operação. O processamento é automatizado e os arquivos temporários de origem e resultado são excluídos automaticamente após o processamento, em vez de serem retidos como armazenamento permanente.

Como usar essa ferramenta

  1. Escolha um arquivo .djvu ou .djv com assinatura verificada e saída TXT ou XML posicional e aguarde a validação da página.
  2. Configura as opções de saída ou inspeção disponíveis e, em seguida, comece o processamento.
  3. Revise o resultado relatado e baixe o texto UTF-8 completo ou o XML posicional limitado higienizado antes que o link temporário expire.

Modos de falha comuns

Uma camada de texto ausente, UTF-8 inválido, expansão XML insegura, documento malformado ou esgotamento do espaço de trabalho produzem uma falha explícita.

Exemplo útil

Carregue um DjVu com texto incorporado e baixe a saída djvutxt UTF-8 exata.