Estrarre testo da immagine e PDF

Sì. OCR — riconoscimento ottico dei caratteri — è il nome generale per leggere testo stampato da un'immagine, ed è esattamente ciò che accade qui. La differenza rispetto alla maggior parte dei siti di OCR sta in dove viene eseguito: il motore viene scaricato nel tuo browser invece di caricare il tuo file sul server di qualcun altro.

La precisione dipende da nitidezza, lingua, impaginazione e luce. Confronta il testo estratto con l’originale, soprattutto nomi, date e numeri.

No, ed è bene dirlo chiaramente. Il motore è costruito per testo stampato e composto. Il riconoscimento della scrittura a mano è un problema diverso che richiede modelli diversi: provarci qui ti farà solo perdere tempo.

No. Il testo dentro la tabella verrà letto, ma la struttura di righe e colonne non viene conservata: ottieni le parole, non una griglia. Il motore non rileva affatto la struttura delle tabelle, quindi non c'è modo di esportarne un Excel utilizzabile.

Il contenuto dei file selezionati viene elaborato nel browser, senza inviarlo a un servizio di caricamento dell’applicazione. Il sito, i font e le librerie di elaborazione possono comunque richiedere connessioni di rete.

Apri la pagina con una connessione. L’elaborazione può proseguire nella scheda caricata; ricaricare la pagina o scaricare risorse e modelli richiede Internet.

Quella del testo nell'immagine, non quella di questa pagina. Se sbagli, il risultato sarà incomprensibile anche partendo da un'immagine nitida. Le scelte diverse dall'inglese caricano anche l'inglese, così i documenti misti con numeri d'ordine e indirizzi e-mail vengono letti correttamente.

Sì. Ogni pagina viene disegnata e letta a turno, e i risultati compaiono pagina per pagina. I documenti molto lunghi si fermano alle prime 100 pagine, e te lo diciamo invece di lasciartelo scoprire.

Vedrai «Nessun testo trovato» invece di un errore, perché un'immagine senza testo leggibile è un risultato normale. Di solito significa che l'immagine è troppo sfocata, il testo troppo piccolo, o che la lingua scelta è sbagliata.

Perché non dovrebbe averne. I motori di riconoscimento trattano ogni carattere cinese come una parola a sé e inseriscono spazi ovunque, rendendo il risultato scomodo. Qui vengono rimossi — ma gli spazi tra caratteri cinesi e latini restano, perché quelli sono reali.

Sì. Trascina tutte le immagini che vuoi: si mettono in coda e i risultati compaiono man mano. Se un file fallisce gli altri proseguono, e puoi fermarti in qualsiasi momento senza perdere ciò che è già stato letto.