OCR क्या है?
OCR (ऑप्टिकल कैरेक्टर रिकग्निशन) स्कैन किए पेज या फ़ोटो के पिक्सेल को टेक्स्ट में बदलता है: यह लाइनें और शब्द ढूँढता है, हर लिपि के लिए प्रशिक्षित मॉडल से कैरेक्टर पहचानता है, और ऐसा टेक्स्ट देता है जिसे खोजा, कॉपी और इंडेक्स किया जा सके। सटीकता रिज़ॉल्यूशन (300 dpi सामान्य लक्ष्य), कंट्रास्ट, तिरछापन और लिपि पर निर्भर है — अरबी और देवनागरी को अपने भाषा मॉडल चाहिए — और जहाँ महत्व हो वहाँ आउटपुट प्रूफ़रीड करना चाहिए।
PDF वर्ड काउंटर और टेक्स्ट आँकड़े कैसे इस्तेमाल करें
- एक PDF छोड़ें।
- चाहें तो पेज और पढ़ने की गति चुनें।
- "गिनें" पर क्लिक करें।
- कुल, प्रति पेज टेबल और शीर्ष शब्द पढ़ें।
PDF वर्ड काउंटर और टेक्स्ट आँकड़े की खूबियाँ
- शब्द, अनोखे शब्द, अक्षर (स्पेस सहित/रहित)
- पंक्तियाँ, पैराग्राफ़, वाक्य, औसत शब्द लंबाई
- आपकी तय गति पर पढ़ने का समय
- प्रति पेज टेबल
- शीर्ष शब्द (क्रिया-पद बाहर), डाउनलोड योग्य
- लैटिन, अरबी और देवनागरी समान रूप से गिने जाते हैं
PDF वर्ड काउंटर और टेक्स्ट आँकड़े का उदाहरण
क्या निबंध 3,000 शब्दों से कम है?
इनपुट:
essay.pdf, पेज 2-12 (सिर्फ़ मुख्य भाग)आउटपुट:
शब्द 2,874 · अनोखे 1,102 · पढ़ने का समय 14 मिनट · शीर्ष शब्द: policy, market, growth…PDF वर्ड काउंटर और टेक्स्ट आँकड़े के बारे में अक्सर पूछे जाने वाले सवाल
शब्द कैसे गिना जाता है?
शब्द अक्षरों, संयोजी चिह्नों या अंकों की अटूट लड़ी है; शब्द के भीतर के एपॉस्ट्रॉफ़ी और हाइफ़न उसे नहीं तोड़ते। सामान्य गद्य के लिए यह Word की गिनती से एक-दो प्रतिशत के भीतर मेल खाता है। संख्याएँ शब्द गिनी जाती हैं; पर &, § या दोनों ओर स्पेस वाला डैश जैसे अकेले प्रतीक नहीं गिने जाते, और यह उन जगहों में से एक है जहाँ गिनती किसी वर्ड प्रोसेसर से अलग हो सकती है।
गिनती मेरे वर्ड प्रोसेसर से अलग क्यों है?
PDF टेक्स्ट स्थिति वाले रन से फिर से बनता है, इसलिए पंक्ति के अंत का हाइफ़नेशन, हेडर और फ़ुटर, पेज नंबर और फ़ुटनोट सब गिने जाते हैं — वर्ड प्रोसेसर उनमें से कुछ छोड़ सकता है। नज़दीक आने के लिए सिर्फ़ मुख्य पेज चुनें।
क्या यह स्कैन की गई PDF गिन सकता है?
सीधे नहीं: स्कैन में टेक्स्ट नहीं होता। पहले OCR PDF चलाएँ, फिर खोजने योग्य नतीजे को गिनें।
क्या मेरी PDF किसी सर्वर पर अपलोड होती है?
नहीं। फ़ाइल आपका ब्राउज़र WebAssembly और JavaScript से खोलता और प्रोसेस करता है; Mutqan Soft या किसी और को कुछ नहीं भेजा जाता। टैब बंद करें और फ़ाइल चली जाती है। नतीजा डाउनलोड करने के लिए सिर्फ़ एक मुफ़्त अकाउंट चाहिए — न सब्सक्रिप्शन, न भुगतान।
क्या यह पासवर्ड वाली PDF पर काम करता है?
हाँ, अगर आप पासवर्ड जानते हैं: फ़ाइल सूची एक बार पासवर्ड पूछती है और फिर हर ऑपरेशन डिक्रिप्ट किए पेजों पर चलता है। नतीजा बिना पासवर्ड सेव होता है जब तक आप उसे दोबारा सुरक्षित न करें।
तकनीकी नोट्स
Unicode-सचेत टोकनाइज़ेशन (\p{L}\p{M}\p{N} की लड़ियाँ, भीतरी एपॉस्ट्रॉफ़ी और हाइफ़न सहित); वाक्य . ! ? ؟ । पर ख़त्म होते हैं; एक छोटी बहुभाषी स्टॉप-सूची शीर्ष-शब्द सूची को सार्थक रखती है।
संदर्भ
- Tesseract OCR documentationओपन-सोर्स OCR इंजन: समर्थित भाषाएँ और लिपियाँ, इमेज की तैयारी और सटीकता के कारक।
- PDF Reference — ISO 32000-1:2008 (PDF 1.7), Adobe copyमुफ़्त पढ़ने योग्य PDF 1.7 स्पेसिफ़िकेशन: पेज ट्री, कंटेंट स्ट्रीम, मेटाडेटा, अनुमतियाँ और स्टैंडर्ड सिक्योरिटी हैंडलर।