pdf-ocr

מה זה

אתם מעלים קובץ PDF דרך הדפדפן ומקבלים בחזרה את הטקסט שחולץ מתוכו. הפלט מופיע ישירות בתוך תיבת טקסט ייעודית בעמוד, ובמקביל נוצר קובץ טקסט להורדה מסודרת למחשב שלכם.

מאחורי הקלעים הקוד מתבסס על ספריית פייתון בשם pdf2text יחד עם torch לעיבוד. לא מדובר בהמצאה מחדש של הגלגל, אלא בממשק פשוט שמחבר בין מודל זיהוי תווים אופטי לקובץ ששלחתם. הקוד לא מציג דוגמאות מוכנות מראש בממשק, כך שתצטרכו לספק קובץ משלכם כדי לראות תוצאות.

מתאים ל

• חילוץ טקסט ממסמך סרוק

  המרת עמודי PDF סרוקים למחרוזת טקסט רגילה הניתנת להעתקה.

• הורדת תוכן כקובץ טקסט

  קבלת קובץ טקסט נקי המופק ישירות מתוך המסמך שהעליתם.

• בדיקת מסמכים בודדים

  קריאת תוכן של קבצים קצרים בלי להתקין ספריות מקומיות במחשב.

איפה זה נופל

החומרה הבסיסית לא מיועדת לעיבוד מהיר של ספרים שלמים או מסמכים של עשרות עמודים, ושם המערכת עלולה להיתקע או לחנוק את המעבד. אין בהגדרות שום מידע על תמיכה בשפות שאינן אנגלית, ולכן סריקות בעברית עלולות להניב ג'יבריש מוחלט. מומלץ לבדוק עמוד בודד לפני שזורקים פנימה חוזים שלמים.

איך משתמשים

גוררים את ה־PDF לתיבת ההעלאה, לוחצים על כפתור ההמרה הראשי וממתינים. אין צורך בהרשמה או בהתחברות לחשבון כדי להשתמש בזה בדפדפן.

היישום רץ על חומרת מעבד בסיסית בלבד בלי תמיכת כרטיס גרפי, מה שאומר שקבצים ארוכים או סריקות כבדות במיוחד ייקחו זמן עיבוד מורגש. אם יש עומס משתמשים בו זמנית, זמן ההמתנה עלול להתארך בהתאם.

הרישיון

הפרויקט מפורסם תחת רישיון apache-2.0, שמאפשר שימוש חופשי ושינוי של הקוד. עם זאת, הקבצים שאתם מעלים נשלחים ומעובדים בשרת ציבורי מרוחק, ולכן לא מומלץ להעלות לשם מסמכים רגישים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗