I-extract ang Text mula sa DjVu

I-recover ang nakatagong OCR text na naka-embed na sa isang DjVu na dokumento bilang UTF-8 plain text o bounded positional XML. Ito ay pagkuha, hindi bago OCR.

Mga pribadong resulta · walang paghahanap sa network · walang pagbabawas ng kalidad · mga file hanggang 1 GB

Ang XML ay isang bounded na DjVuLibre na representasyon ng engine. Hindi ito ALTO o hOCR at hindi ginagarantiyahan ang order ng pagbabasa.

Paalala sa mga karapatan at privacy: Iproseso lamang ang mga dokumentong pinapayagan mong gamitin. Maaaring maglaman ng pribado o naka-copyright na materyal ang nakatagong text, mga anotasyon, at mga pag-scan. Ang mga resulta ay nananatili sa pribadong trabaho ng uploader at inihahatid bilang no-store na mga attachment sa ilalim ng kasalukuyang panahon ng pagpapanatili.

Ano ang ginagawa ng DjVu toolkit

Bounded inspeksyon

Nag-uulat ng bilang ng pahina, mga native na dimensyon, DPI at gamma kapag nalantad, naka-bundle na istraktura, nakatagong text, mga anotasyon, mga thumbnail, at mga layer ng foreground, background, at mask.

Pinagmulan na teksto

Ang katumpakan ng teksto at wika ay ganap na nagmumula sa na-upload na pinagmulan. Ang Convertr ay hindi nagpapabuti, nagsasalin, nag-mutate, o nagpapadala ng na-extract na text upstream.

Pag-render ng katutubong pahina

Ang mga napiling page ay nade-decode ng naka-pin na ddjvu build sa kanilang buong native na dimensyon. Ang hindi ligtas na pagpapalawak ay tahasang nabigo sa halip na putulin o pababain ang output.

Ang mga hindi direktang dokumento ng DjVu na may hindi nalutas na mga sanggunian sa bahagi ay tinatanggihan. Hindi kailanman sinusunod ng toolkit ang mga URL ng bahagi. Hindi nito kailanman inilalantad ang mga identifier ng bahagi. Hindi ito kailanman tumatanggap ng mga command script. Hindi ito kailanman nag-aalok ng mga opsyon sa pag-crop o kalidad.

Kaugnay na dokumento at PDF na mga tool

Ang mga ito ay PDFI-convert ang dokumento sa PDF. Dapat na hiwalay na ma-verify ang pagpreserba ng text-layer. Converter ng DokumentoMag-browse ng mga tool sa conversion ng dokumento at ebook. OCR Mga ToolGumawa ng bagong OCR para sa suportadong larawan at PDF na mga input kapag walang text layer na umiiral. I-extract ang DjVu Mga PahinaI-render ang mga napiling pahina sa katutubong resolution. DjVu InspektorSuriin ang istraktura ng dokumento bago kumuha ng anuman. Hatiin ang PDFHatiin ang mga napiling page pagkatapos mag-convert ng naaangkop na dokumento sa PDF. I-extract ang mga Imahe mula sa PDFI-recover ang mga larawang naka-embed sa isang PDF.

I-extract ang Text mula sa DjVu

I-recover lang ang nakatagong OCR text na naka-embed na sa isang DjVu na dokumento.

ang input
Isang signature-verify na .djvu o .djv file at TXT o positional na XML na output.
Mga output
Kumpletuhin ang UTF-8 text o nilinis ang bounded positional na XML.
Mga limitasyon
Hindi ito lumilikha ng bagong OCR, nagpapabuti sa katumpakan, nagsasalin ng teksto, o ginagarantiyahan ang pagkakasunud-sunod ng pagbabasa.
Privacy at ang mga data na nakaraan
isang signature-verify na .djvu o .djv na file at TXT o positional na XML na output ay ina-upload sa isang katugmang Convertr na manggagawa lamang pagkatapos mong simulan ang operasyon. Awtomatiko ang pagpoproseso, at awtomatikong dine-delete ang mga pansamantalang source at resultang file pagkatapos ng pagproseso sa halip na panatilihin bilang permanenteng storage.

Paano mag-usuporta ang tool

  1. Pumili ng isang signature-verify na .djvu o .djv na file at TXT o positional na XML na output at hintaying ma-validate ito ng page.
  2. I-set ang mga opsyon ng output o inspeksiyon na mayroon, pagkatapos ay mag-start ng pag-processing.
  3. Suriin ang iniulat na resulta at i-download ang kumpletong UTF-8 text o sanitized bounded positional XML bago mag-expire ang pansamantalang link.

Mga Modus ng Pag-aalis

Ang isang nawawalang layer ng text, di-wastong UTF-8, hindi ligtas na pagpapalawak ng XML, malformed na dokumento, o pagkaubos ng workspace ay nagdudulot ng tahasang pagkabigo.

Mga pahina ng useful

Mag-upload ng DjVu na may naka-embed na text at i-download ang eksaktong djvutxt UTF-8 na output.