Extract text from images — free

Prześlij plik PDF, a narzędzie wykryje, czy zawiera on prawdziwą warstwę tekstową, czy tylko zeskanowane obrazy. Pliki PDF z warstwą tekstową eksportują się natychmiast. Pliki PDF zawierające wyłącznie obrazy (zeskanowane książki, sfotografowane paragony, stare raporty) automatycznie przechodzą przez OCR. Tak czy inaczej otrzymujesz czysty plik .txt z zachowanymi akapitami, podziałami wierszy i odstępami między sekcjami.

Tak. Jeśli plik PDF zawiera wyłącznie obrazy (co jest typowe dla skanów, sfotografowanych stron lub eksportów faksów), silnik OCR uruchamia się automatycznie — nie potrzebujesz osobnego narzędzia. Obsługa wielu języków jest wbudowana, więc nawet dwujęzyczne lub niełacińskie pisma (chińskie, arabskie, hindi) są wyodrębniane w tym samym przebiegu.

Podziały akapitów, puste wiersze między sekcjami, znaczniki punktorów i prefiksy list numerowanych są zachowywane jako zwykły tekst. Nagłówki pojawiają się wielkimi literami lub w oryginalnej wielkości liter, w zależności od czcionki źródłowej. Wyróżnienia wizualne (pogrubienie, kursywa) nie są kodowane w zwykłym tekście – w tym celu użyj konwertera PDF na Word.

Tak. Po przesłaniu wpisz hasło w wyświetlonym oknie, a narzędzie odblokuje plik w pamięci tylko na czas niezbędny do wyodrębnienia tekstu. Hasło nigdy nie jest zapisywane na dysku ani przesyłane do usług zewnętrznych. Zablokowanych plików PDF bez hasła nie można przetworzyć — ze względów bezpieczeństwa nie jest przeprowadzane łamanie haseł.

Pliki do 50 MB i 500 stron przetwarzają się bez problemu. Większe dokumenty też działają, ale trwa to dłużej — archiwum prawne liczące 2000 stron może wymagać kilku minut na OCR. W przypadku ogromnych partii najpierw podziel plik PDF narzędziem PDF Split i przetwarzaj każdą część równolegle.

Przetwarzanie odbywa się na bezpiecznych serwerach, a pliki są usuwane w ciągu kilku minut. Wynikowy plik .txt należy do Ciebie — bez znaku wodnego, bez oznaczeń autorstwa, bez śledzenia. Badacze, dziennikarze, prawnicy i studenci używają tego narzędzia do wyodrębniania tekstu z poufnych raportów, mając pewność, że źródłowy PDF nie jest przechowywany po zakończeniu konwersji.