Wyodrębnianie tekstu z PNG jako TXT
Wgraj zeskanowany PDF, zdjęcie lub obraz. OCR odczytuje tekst z pikseli i przekształca go w edytowalne znaki. Działa z drukowanym tekstem w wielu językach. Radzi sobie z niskiej jakości skanami, przekrzywionymi stronami i różnorodnymi czcionkami.
Ponieważ wynikiem jest zwykły plik tekstowy, a nie dokument, interpunkcja, podziały wierszy i odstępy między akapitami odzwierciedlają surową strukturę tego, co rozpoznano na obrazie, a nie układ wizualny. Kolumny, tabele i bloki tekstu umieszczone obok siebie w oryginalnym PNG łączą się w jedną kolejność czytania — to normalne dla tego formatu, a nie błąd do naprawienia.
Po co eksportować tekst z PNG jako TXT
Zeskanowane dokumenty to tylko obrazy. Nie da się ich przeszukiwać, kopiować z nich tekstu ani ich edytować. OCR zamienia obrazy w prawdziwy tekst. Sprawia, że stare papierowe archiwa stają się przeszukiwalne. Pozwala wyodrębniać dane z zeskanowanych formularzy. Konwertuje drukowane materiały na edytowalne pliki.
Niezbędne do digitalizacji umów, paragonów, dokumentów historycznych i stron książek. Czytniki ekranu potrzebują prawdziwego tekstu, aby czytać na głos — OCR sprawia, że zeskanowane dokumenty stają się dostępne. Oszczędza godziny w porównaniu z ręcznym przepisywaniem.
Co decyduje o dokładności tekstu z PNG
Ponieważ PNG nie wprowadza artefaktów kompresji, proste linie i ostre narożniki liter pozostają nienaruszone, a to dokładnie ten rodzaj danych wejściowych, który daje czysty wynik tekstowy o niskim poziomie błędów. PNG ze zwykłym, wysokokontrastowym tekstem — ciemne znaki na jasnym tle, standardowe czcionki, brak nakładającej się grafiki — konwertuje się do pliku .txt z bardzo niewieloma błędnie odczytanymi znakami.
Dokładność spada tam, gdzie PNG łączy tekst z gęstą grafiką w tle, wykorzystuje stylizowaną lub zawężoną czcionkę albo został powiększony z mniejszego oryginału, co wprowadza rozmycie, którego zwykły zrzut ekranu by nie miał. Ponieważ plik .txt nie może zachować pogrubienia ani koloru, które podpowiedziałyby, jakie słowo miało tam być, każdy błędnie odczytany znak pojawia się jako zwykły błędny tekst bez żadnej wizualnej wskazówki, by go dostrzec.
Jak uzyskać czysty TXT z PNG
Zachowaj PNG blisko oryginalnej rozdzielczości zamiast zmniejszać go, by zaoszczędzić miejsce przed przesłaniem — plik tekstowy nie naprawi znaków, które już w obrazie źródłowym były zbyt małe i zamazane, by je wyraźnie odczytać. Zwykłe zrzuty ekranu z samym tekstem, bez obrazów w tle czy grafik znaku wodnego biegnących za słowami, dają najbardziej wiarygodny wynik .txt.
Jeśli wyciągasz dane ze zrzutu ekranu tabeli lub arkusza kalkulacyjnego, miej świadomość, że wynik jest czytany od lewej do prawej, od góry do dołu, jako płaskie linie, a nie kolumny, więc liczby z różnych kolumn mogą trafić do tej samej linii oddzielone spacjami. Do wszystkiego, co planujesz później przeformatować, krótszy, skupiony plik PNG z samymi istotnymi wierszami sprawdza się lepiej niż jeden ogromny zrzut ekranu.