Μετάβαση στο κύριο περιεχόμενο
PPDF123

Κάντε αναζητήσιμο ένα σαρωμένο PDF με OCR

Το OCR PDF διαβάζει ένα σαρωμένο PDF ή PDF με εικόνες και επιστρέφει είτε αναζητήσιμο PDF με κρυφό επίπεδο κειμένου είτε το κείμενό του ως αρχείο Markdown. Το αρχικό αρχείο δεν αλλάζει.

Σύρετε και αφήστε αρχεία εδώ ή κάντε κλικ για επιλογή

Δέχεται PDF · έως 500.0 MB ανά αρχείο · έως 20 αρχεία τη φορά

Μπορείτε επίσης να επικολλήσετε ένα αρχείο με Ctrl/Cmd+V ή από το μενού του προχείρου.

Το OCR PDF διαβάζει ένα σαρωμένο PDF ή PDF που αποτελείται από εικόνες και το επιστρέφει με δύο τρόπους. Το «Αναζητήσιμο PDF» σας δίνει τις ίδιες σελίδες με ένα αόρατο επίπεδο κειμένου, ώστε να μπορείτε να αναζητάτε, να επιλέγετε και να αντιγράφετε το κείμενο. Το «Κείμενο Markdown» σας δίνει το κείμενο ως αρχείο .md για σημειώσεις, αποθετήρια και ροές αυτοματοποίησης. Το αρχικό αρχείο δεν αλλάζει ποτέ.

Το αναζητήσιμο PDF δημιουργείται με το Tesseract. Κάθε σελίδα αποδίδεται στα 300 dpi, αναγνωρίζεται στη γλώσσα που επιλέγετε και γράφεται ξανά ως εικόνα σελίδας με το αναγνωρισμένο κείμενο κρυμμένο πίσω της. Ο αριθμός των σελίδων μένει ίδιος. Επειδή κάθε σελίδα αποδίδεται ξανά, μια σελίδα που είχε ήδη πραγματικό κείμενο γίνεται εικόνα με επίπεδο κειμένου και το μέγεθος του αρχείου μπορεί να διαφέρει πολύ από το αρχικό. Στη φόρμα επιλέγετε μία από 12 γλώσσες· το API δέχεται και έως τέσσερις, ενωμένες με το σύμβολο +, όπως eng+fra. Σε κάθε αίτημα επεξεργάζονται το πολύ 50 σελίδες.

Η έξοδος Markdown χρησιμοποιεί άλλη μηχανή, που συνδυάζει το εγγενές κείμενο του PDF με οπτική αναγνώριση στις σελίδες εικόνας. Το «Εξαναγκασμένο OCR» (`ocrType=force-ocr`, η προεπιλογή του portal) αναγνωρίζει ξανά κάθε σελίδα, ενώ το «Κανονικό» χρησιμοποιεί το υπάρχον κείμενο όπου το αρχείο το έχει και αναγνωρίζει μόνο τις σελίδες που είναι αποκλειστικά εικόνα. Αυτή η μηχανή δεν έχει ρύθμιση γλώσσας και η λίστα γλωσσών δεν ισχύει γι' αυτήν.

Και στις δύο λειτουργίες η ακρίβεια εξαρτάται από την ποιότητα της σάρωσης, την αντίθεση και την κλίση. Όταν μπορείτε, περικόψτε και ισιώστε τις λήψεις από κινητό πριν από το ανέβασμα, γιατί μια τραπεζοειδής φωτογραφία σπαταλά την αναγνώριση στο φόντο. Το OCR αναγνωρίζει χαρακτήρες· δεν μεταφράζει ούτε διορθώνει το κείμενο, ούτε καθαρίζει ή ισιώνει τη σάρωση.

Το χειρόγραφο, οι διακοσμητικές γραμματοσειρές και τα φαξ χαμηλής ανάλυσης είναι οι πιο δύσκολες είσοδοι. Όταν ένας χαρακτήρας είναι διφορούμενος, όπως το 1 απέναντι στο l ή το 0 απέναντι στο O, η μηχανή διαλέγει την πιθανότερη ανάγνωση και συνεχίζει· καμία από τις δύο λειτουργίες δεν επιστρέφει βαθμό εμπιστοσύνης. Ελέγξτε δειγματοληπτικά ονόματα και αριθμούς που πρέπει να είναι ακριβείς. Στο Markdown οι πίνακες γίνονται κάθετες γραμμές και ένα συγχωνευμένο κελί μπορεί να χάσει τη γραμμή του· οι σελίδες με πολλές στήλες διαβάζονται με τη σειρά που συμπεραίνει η μηχανή.

Μην κάνετε OCR σε έγγραφα που δεν επιτρέπεται να ψηφιοποιήσετε ή να αναδιανείμετε. Οι εργασίες εκτελούνται στον διακομιστή, γι' αυτό κατεβάστε το αποτέλεσμα άμεσα. Δεν διατηρούμε βιβλιοθήκη OCR από τα αρχεία σας. Τα αρχεία με κωδικό ξεκλειδώνονται για εσάς σε αυτή τη σελίδα μόλις πληκτρολογήσετε τον κωδικό· όσοι καλούν το API εκτελούν πρώτα το Ξεκλείδωμα.

Λειτουργίες

  • Αναζητήσιμο PDF με κρυφό επίπεδο κειμένου ή κείμενο Markdown
  • Αναζητήσιμο PDF: Tesseract στα 300 dpi σε 12 γλώσσες, έως 50 σελίδες
  • Markdown: εγγενές κείμενο συν αναγνώριση στις σελίδες εικόνας· λειτουργία Εξαναγκασμένο ή Κανονικό
  • Το αρχικό PDF μένει αμετάβλητο
  • Ανώνυμο API στο /api/v1/misc/ocr-pdf με outputFormat και languages

Πότε το χρησιμοποιείτε

  • Να γίνει αναζητήσιμη μια στοίβα σαρωμένων συμβάσεων σε αρχείο εγγράφων
  • Αντιγραφή μιας παραγράφου από φωτογραφημένη ή σαρωμένη σελίδα
  • Τροφοδοσία πρακτόρων ή ροών αυτοματοποίησης που θέλουν Markdown
  • Αναζητήσιμες φωτογραφημένες αποδείξεις σε εφαρμογή σημειώσεων

Πώς κάνω OCR σε ένα σαρωμένο PDF;

  1. Ανεβάστε ένα σαρωμένο PDF ή PDF από φωτογραφίες κάμερας.
  2. Στο «Αποτέλεσμα» επιλέξτε «Αναζητήσιμο PDF» ή «Κείμενο Markdown». Για αναζητήσιμο PDF, επιλέξτε τη «Γλώσσα του κειμένου».
  3. Πατήστε Εκτέλεση και κατεβάστε το αποτέλεσμα.
  4. Ελέγξτε δειγματοληπτικά ονόματα και αριθμούς πριν βασιστείτε σε αυτό και δοκιμάστε να αναζητήσετε στο PDF μια λέξη που ξέρετε ότι υπάρχει.

Όρια και ειδικές περιπτώσεις

  • Η ακρίβεια εξαρτάται από την ποιότητα της εικόνας· το χειρόγραφο και οι τυποποιημένες γραμματοσειρές αναγνωρίζονται άσχημα
  • Αναζητήσιμο PDF: το πολύ 50 σελίδες, 300 dpi, μία εικόνα ανά σελίδα
  • Το Markdown δεν έχει ρύθμιση γλώσσας, βαθμούς εμπιστοσύνης ή έξοδο ανά σελίδα
  • Δεν είναι μετάφραση, ίσιωμα ή καθαρισμός της σάρωσης
  • Πολύ μεγάλος αριθμός σελίδων χρειάζεται περισσότερο χρόνο

Παραδείγματα

  • Η σάρωση μιας σύμβασης 20 σελίδων σε αποχρώσεις του γκρι γίνεται PDF όπου η αναζήτηση ενός αριθμού ρήτρας βρίσκει τη σελίδα
  • Μια σαρωμένη σελίδα με μία γραμμή αγγλικού κειμένου επιστρέφει PDF από το οποίο μπορείτε να αντιγράψετε αυτή τη γραμμή
  • Μια λοξή φωτογραφία κινητού μπορεί να χρειαστεί νέα λήψη για να φανεί χρήσιμο το OCR

Απόρρητο για αυτό το εργαλείο

Τα αρχεία ανεβαίνουν μέσω HTTPS, επεξεργάζονται στη μνήμη ή σε βραχύβιο προσωρινό κατάλογο στους διακομιστές μας και διαγράφονται όταν το αποτέλεσμα είναι έτοιμο. Δεν κρατάμε αντίγραφα για μετέπειτα περιήγηση, εκπαίδευση μοντέλων ή διαφημιστικά προφίλ. Οι λεπτομέρειες διατήρησης και οι γνωστοποιήσεις για cookie του AdSense βρίσκονται στην Πολιτική απορρήτου.

Συχνές ερωτήσεις

Μπορώ να πάρω αναζητήσιμο PDF;
Ναι. Επιλέξτε «Αναζητήσιμο PDF» στο «Αποτέλεσμα» της φόρμας. Κάθε σελίδα αναγνωρίζεται και γράφεται ξανά ως εικόνα με κρυφό επίπεδο κειμένου, ώστε να μπορείτε να αναζητάτε και να αντιγράφετε το κείμενό της.
Γιατί το αναζητήσιμο PDF μοιάζει με σάρωση και όχι με το αρχικό μου αρχείο;
Κάθε σελίδα αποδίδεται σε εικόνα πριν από την αναγνώριση, ακόμη και οι σελίδες που είχαν ήδη πραγματικό κείμενο. Το επίπεδο κειμένου βρίσκεται πίσω από την εικόνα.
Ποιες γλώσσες υποστηρίζονται;
Η φόρμα προσφέρει αγγλικά, γερμανικά, γαλλικά, ισπανικά, πορτογαλικά, ιταλικά, ρωσικά, αραβικά, απλοποιημένα κινεζικά, παραδοσιακά κινεζικά, ιαπωνικά και κορεατικά. Μέσω του API μπορείτε να ενώσετε έως τέσσερις κωδικούς με το σύμβολο +, όπως eng+fra.
Πόσες σελίδες μπορώ να επεξεργαστώ;
Έως 50 σελίδες για αναζητήσιμο PDF. Ένα μεγαλύτερο αρχείο απορρίπτεται με σφάλμα· χωρίστε το πρώτα.
Η έξοδος Markdown χρησιμοποιεί τη ρύθμιση γλώσσας;
Όχι. Η μηχανή Markdown δεν έχει παράμετρο γλώσσας. Η λίστα γλωσσών ισχύει μόνο για τα αναζητήσιμα PDF.
Θα αλλάξει το OCR την εμφάνιση των σελίδων;
Όχι. Παίρνετε ένα νέο αρχείο· το αρχικό δεν αλλάζει. Ένα αναζητήσιμο PDF δείχνει κάθε σελίδα ως εικόνα, όπως μια σάρωση.
Διαβάζει το OCR χειρόγραφο;
Άσχημα. Και οι δύο μηχανές στοχεύουν σε τυπωμένους χαρακτήρες. Το πλάγιο χειρόγραφο, οι διακοσμητικές γραμματοσειρές και τα φαξ χαμηλής ανάλυσης συχνά βγαίνουν ως θόρυβος.
Χρειάζομαι «Εξαναγκασμένο OCR» σε PDF που δημιουργήθηκε ψηφιακά;
Συνήθως όχι. Στο Markdown, το «Κανονικό» χρησιμοποιεί το υπάρχον κείμενο και παρακάμπτει την αναγνώριση. Επιλέξτε «Εξαναγκασμένο» αν αυτό το επίπεδο κειμένου είναι χαλασμένο.

Τελευταία ενημέρωση:

Κλήση από κώδικα

Κάθε εργαλείο στον ιστότοπο είναι ένα απλό REST API. Για ανώνυμη χρήση δεν χρειάζεται λογαριασμός ούτε κλειδί API. Ίδιο για πρόγραμμα περιήγησης, προγραμματιστές και πράκτορες AI.

curl -X POST "https://pdf123.xyz/api/v1/misc/ocr-pdf" \
  -F "[email protected]" \
  -F "outputFormat=markdown" \
  -F "ocrType=force-ocr" \
  -F "languages=eng" \
  -o output.pdf

Διατίθεται και ως εργαλείο MCP, για πελάτες που μιλούν Model Context Protocol (JSON-RPC 2.0 μέσω POST /mcp). Πλήρης αναφορά API

Χρήση από πράκτορα AI

Skill

Με αυτό το skill, τα Claude Code, Codex, Cursor και άλλοι πράκτορες AI μπορούν να εκτελέσουν το «OCR PDF» για εσάς: /skills/pdf123-ocr.md

Όλα τα skills για πράκτορες

Τα αρχεία χρησιμοποιούνται μόνο για αυτή την εργασία και διαγράφονται αυτόματα μετά.