Fotografias Comprimidas Num Único TXT
Coloque as fotos JPEG num ZIP. O OCR as lê na ordem dos nomes e acrescenta as palavras reconhecidas num único arquivo de texto, com um separador em cada limite de página. Tudo sobre a aparência da foto — luz, cor do papel, caligrafia — some; fica o texto transcrito na ordem de leitura.
É essa etapa de achatamento que torna uma pasta de fotos da câmera utilizável por qualquer coisa que espere texto como entrada, de uma fórmula de planilha a uma busca na linha de comando — nenhuma delas sabe ler um JPEG. Uma linha marcadora fixa divide o arquivo em seções por foto, e ir para a página seis significa procurar a sexta ocorrência desse marcador em vez de contar parágrafos no olho, o que continua funcionando num lote com mais de cinquenta páginas fotografadas.
OCR de documentos multipágina
Processe conjuntos inteiros de documentos com nossas ferramentas de OCR de várias páginas. Coloque as imagens das páginas num ZIP, nomeadas em ordem, e receba um resultado único — um PDF pesquisável, um documento Word ou texto com todas as páginas. Ideal para digitalizar livros, relatórios, correspondências e registros de arquivo.
Para documentos grandes, o processamento em lote economiza tempo significativo comparado à conversão página por página. Nossas ferramentas mantêm a ordem das páginas, lidam com qualidade de imagem variável entre páginas e produzem saída consolidada pronta para revisão e uso. O layout original de cada página é preservado na saída.
Exatidão A Partir De Um Lote De Fotografias
A qualidade da fotografia determina esta conversão mais do que o próprio passo de OCR: o reflexo numa página plastificada, uma fotografia trémula tirada à mão ou uma luz desigual vão perder palavras ou confundir caracteres, e, ao contrário de um documento formatado, não resta depois nenhum esquema visual que ajude a identificar onde o reconhecimento falhou.
Compare rapidamente o texto em bruto com uma fotografia de que se lembre como estando desfocada ou mal iluminada antes de confiar no lote; uma palavra em falta em texto simples é fácil de não notar numa leitura rápida, já que não há nenhuma formatação quebrada a sinalizar que algo correu mal nessa página. Uma fatura ou folha de cálculo fotografada com linhas de coluna visíveis continua a sair como uma única sequência de palavras no ficheiro .txt, com os valores colocados pela ordem da esquerda para a direita em que o OCR percorreu a fotografia, pelo que um total que estava debaixo do seu próprio título de coluna no papel pode acabar mesmo ao lado de uma palavra sem relação depois de as colunas desaparecerem.
Fotografar Para Um Resultado Em Texto Simples
Uma luz uniforme e difusa em todo o lote importa mais aqui do que numa conversão para documento formatado, já que não há depois nenhuma passagem de formatação para disfarçar uma página problemática; as palavras transcritas são a totalidade do resultado, por isso tudo o que o OCR ler mal aparece diretamente no ficheiro final. O ficheiro é guardado em UTF-8 com quebras de linha estilo Unix, o que cobre corretamente os caracteres acentuados e a maioria dos símbolos para um script ou uma importação para folha de cálculo; se o texto importado ainda parecer corrompido, verifique se o próprio passo de importação lê UTF-8 em vez de recorrer a uma codificação predefinida diferente.
Nomeie os arquivos em ordem de página (01, 02, 03…) antes de compactar em ZIP: as páginas seguem os nomes, e não há etapa para reordenar depois.