PDF-Texterkennung

Zeskanowany PDF to w gruncie rzeczy zdjęcie. Dla oka wygląda jak tekst, ale komputer widzi tylko piksele - niczego nie zaznaczysz, nie skopiujesz ani nie wyszukasz. OCR (optyczne rozpoznawanie znaków) odwraca ten stan: rozpoznaje litery na obrazie i zamienia je w prawdziwy, przeszukiwalny tekst. Dokładnie to robi PDF-Texterkennung, strona po stronie i z podglądem, żeby było widać, co zostało rozpoznane.

Nacisk leży na niemieckiej poczcie urzędowej i finansowej. Steuerbescheide (decyzje podatkowe), pisma z urzędów, umowy, akty, faktury - to wszystko często przychodzi jako skan i jest szczególnie uciążliwe wtedy, gdy chcesz dalej wykorzystać zawarte w nich liczby i terminy. Gotowe ustawienia dobierają język i rozdzielczość do rodzaju dokumentu, więc nie musisz tracić czasu na opcje.

Rozpoznawanie działa po niemiecku, po angielsku albo w obu językach naraz. Szczególnie niemieckie teksty z umlautami i ostrym ß zyskują na wyborze właściwego języka. Dla dokumentów, które mieszają oba języki, jest tryb łączony, który korzysta z obu słowników jednocześnie.

Rozdzielczość decyduje o dokładności i szybkości. 150 DPI jest szybkie i wystarcza dla czystych, wyraźnie wydrukowanych stron. 300 DPI to standard dla większości dokumentów. 600 DPI wyciąga maksimum z drobnego druku, umów i lekko rozmytych skanów, ale trwa trochę dłużej. Przy każdej stronie dostajesz wskaźnik pewności, który pokazuje, jak pewne było rozpoznanie.

Wynik możesz oglądać strona po stronie albo jako jeden ciągły tekst, przeszukiwać go od razu w przeglądarce i wyciągnąć rozpoznany tekst - gotowy do dalszego użycia, na przykład żeby przenieść liczbę do kalkulatora albo termin do Fristenwächter. Liczbę słów i znaków na stronie masz zawsze na oku.

Samo rozpoznawanie znaków potrzebuje mocy obliczeniowej, dlatego działa na serwerze, ale tylko w tym jednym kroku. Twoje dokumenty nie są zapisywane na stałe. Żadnej subskrypcji za zwykły skan, żadnego objazdu przez zagraniczną chmurę z niejasnymi zasadami ochrony danych.