Langkau ke kandungan utama
PPDF123

OCR PDF Imbasan Anda Secara Percuma

OCR PDF membaca PDF imbasan atau PDF berasaskan imej dan memulangkan sama ada PDF boleh cari dengan lapisan teks tersembunyi atau teksnya sebagai fail Markdown. Fail asal tidak berubah.

Seret dan lepaskan fail di sini, atau klik untuk pilih

Menerima PDF · sehingga 500.0 MB setiap fail · sehingga 20 fail sekali gus

Anda juga boleh menampal fail dengan Ctrl/Cmd+V atau dari menu papan keratan.

OCR PDF membaca PDF imbasan atau PDF berasaskan imej dan memulangkannya dalam salah satu daripada dua bentuk. PDF boleh cari memberi anda halaman yang sama dengan lapisan teks tidak kelihatan, supaya anda boleh mencari, memilih dan menyalin teks. Teks Markdown memberi teks itu sebagai fail .md untuk nota, repositori dan saluran paip. Fail asal tidak pernah diubah.

PDF boleh cari dibina dengan Tesseract. Setiap halaman dirender pada 300 dpi, dikenali dalam bahasa yang anda pilih, lalu ditulis semula sebagai imej halaman dengan teks yang dikenali tersembunyi di belakangnya. Bilangan halaman kekal sama. Oleh kerana setiap halaman dirender semula, halaman yang sudah mempunyai teks sebenar menjadi imej dengan lapisan teks, dan saiz fail boleh berbeza jauh daripada fail asal. Pilih satu daripada 12 bahasa dalam borang; API juga menerima sehingga empat bahasa yang disambung dengan tanda tambah, seperti eng+fra. Paling banyak 50 halaman diproses dalam satu permintaan.

Output Markdown menggunakan enjin lain, yang menggabungkan teks asli PDF dengan pengecaman optik pada halaman imej. Paksa OCR (`ocrType=force-ocr`, lalai portal) mengecam semula setiap halaman, manakala Biasa menggunakan teks sedia ada jika fail mempunyainya dan mengecam halaman imej sahaja. Enjin ini tiada tetapan bahasa, dan senarai bahasa tidak terpakai padanya.

Dalam kedua-dua mod, ketepatan bergantung pada kualiti imbasan, kontras dan kecondongan. Pangkas dan luruskan tangkapan telefon sebelum muat naik jika boleh, kerana foto halaman berbentuk trapezium membazirkan pengecaman pada latar belakang. OCR mengecam aksara; ia tidak menterjemah atau membetulkan teks, dan ia tidak membersihkan atau meluruskan imbasan itu sendiri.

Tulisan tangan, jenis huruf hiasan dan faks beresolusi rendah ialah input yang paling sukar. Apabila sesuatu aksara kabur, seperti 1 berbanding l atau 0 berbanding O, enjin memilih bacaan yang paling mungkin lalu meneruskan, dan tiada mod yang memulangkan skor keyakinan. Semak secara rawak nama dan nombor yang mesti tepat. Dalam Markdown, jadual menjadi garis menegak dan sel yang digabungkan boleh kehilangan barisnya, manakala halaman berbilang lajur dibaca mengikut susunan yang disimpulkan oleh enjin.

Jangan OCR dokumen yang anda tidak dibenarkan mendigitalkan atau mengedarkan semula. Tugas dijalankan di sebelah pelayan, jadi muat turun hasilnya dengan segera. Kami tidak menyimpan pustaka OCR bagi fail anda. Fail yang dilindungi kata laluan dibuka kuncinya untuk anda pada halaman ini selepas anda memasukkan kata laluan; pemanggil API menjalankan Buka kunci dahulu.

Ciri

  • PDF boleh cari dengan lapisan teks tersembunyi, atau teks Markdown
  • PDF boleh cari: Tesseract pada 300 dpi dalam 12 bahasa, sehingga 50 halaman
  • Markdown: teks asli serta pengecaman pada halaman imej; mod Paksa atau Biasa
  • PDF asal tidak berubah
  • API tanpa nama di /api/v1/misc/ocr-pdf dengan outputFormat dan languages

Bila menggunakan alat ini

  • Jadikan timbunan kontrak imbasan boleh dicari dalam arkib dokumen
  • Salin satu perenggan daripada halaman yang difoto atau diimbas
  • Beri imbasan kepada ejen atau saluran paip yang mahukan Markdown
  • Jadikan resit yang difoto boleh dicari dalam aplikasi nota

Bagaimanakah cara OCR PDF imbasan?

  1. Muat naik PDF imbasan atau PDF yang ditangkap dengan kamera.
  2. Pilih PDF boleh cari atau Teks Markdown. Untuk PDF boleh cari, pilih Bahasa teks.
  3. Klik Proses dan muat turun hasilnya.
  4. Semak secara rawak nama dan nombor sebelum anda bergantung padanya, dan cuba cari dalam PDF itu satu perkataan yang anda tahu ada di dalamnya.

Had dan kes khas

  • Ketepatan berbeza mengikut kualiti imej; tulisan tangan dan fon bergaya dikenali dengan kurang baik
  • PDF boleh cari: paling banyak 50 halaman, 300 dpi, satu imej setiap halaman
  • Markdown tiada tetapan bahasa, skor keyakinan atau output setiap halaman
  • Bukan terjemahan, pelurusan atau pembersihan imbasan
  • Bilangan halaman yang sangat besar mengambil masa lebih lama

Contoh

  • Imbasan kontrak skala kelabu 20 halaman menjadi PDF yang carian nombor klausa menemui halamannya
  • Halaman imbasan dengan satu baris teks Inggeris memulangkan PDF yang barisnya boleh disalin
  • Foto telefon yang condong mungkin perlu ditangkap semula sebelum OCR berguna

Privasi untuk alat ini

Fail dimuat naik melalui HTTPS, diproses dalam memori atau direktori sementara jangka pendek di pelayan kami, dan dipadam apabila hasil anda siap. Kami tidak menyimpan salinan untuk semakan kemudian, latihan atau profil pengiklanan. Lihat Dasar Privasi untuk butiran penyimpanan dan pendedahan kuki AdSense.

Soalan lazim

Bolehkah saya mendapatkan PDF boleh cari?
Ya. Pilih PDF boleh cari dalam borang. Setiap halaman dikenali dan ditulis semula sebagai imej dengan lapisan teks tersembunyi, jadi anda boleh mencari dan menyalin teksnya.
Mengapa PDF boleh cari kelihatan seperti imbasan, bukan seperti fail asal saya?
Setiap halaman dirender menjadi imej sebelum pengecaman, termasuk halaman yang sudah mempunyai teks sebenar. Lapisan teks berada di belakang imej.
Bahasa apakah yang disokong?
Borang menawarkan bahasa Inggeris, Jerman, Perancis, Sepanyol, Portugis, Itali, Rusia, Arab, Cina Ringkas, Cina Tradisional, Jepun dan Korea. Melalui API, sehingga empat kod boleh disambung dengan tanda tambah, seperti eng+fra.
Berapa banyak halaman yang boleh saya proses?
Sehingga 50 halaman untuk PDF boleh cari. Fail yang lebih panjang ditolak dengan ralat; pisahkannya dahulu.
Adakah output Markdown menggunakan tetapan bahasa?
Tidak. Enjin Markdown tiada parameter bahasa. Senarai bahasa hanya untuk PDF boleh cari.
Adakah OCR akan mengubah rupa halaman?
Tidak. Anda mendapat fail baharu; fail asal tidak berubah. PDF boleh cari memaparkan setiap halaman sebagai imej, seperti imbasan.
Bolehkah OCR mengendalikan tulisan tangan?
Kurang baik. Kedua-dua enjin menyasarkan aksara bercetak. Tulisan sambung, fon hiasan dan faks dpi rendah selalunya menjadi bunyi bising.
Adakah saya memerlukan Paksa OCR pada PDF yang lahir digital?
Biasanya tidak. Untuk Markdown, Biasa menggunakan teks sedia ada dan melangkau enjin pengecaman. Gunakan Paksa jika lapisan itu rosak.

Kemas kini terakhir:

Panggil dari kod

Setiap alat di laman ini ialah panggilan REST biasa. Penggunaan tanpa nama tidak perlukan akaun atau kunci API. Untuk pelayar, pembangun dan ejen AI sama-sama.

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

Juga tersedia sebagai alat MCP untuk klien ejen yang menggunakan Model Context Protocol (JSON-RPC 2.0 melalui POST /mcp). Rujukan API penuh

Gunakan melalui ejen AI

Skill

Dengan skill ini, Claude Code, Codex, Cursor dan ejen AI lain boleh menjalankan "OCR PDF" bagi pihak anda: /skills/pdf123-ocr.md

Semua skill ejen

Fail hanya digunakan untuk pemprosesan ini dan dipadam secara automatik selepas itu.