2011年3月1日星期二

電腦玩物最新文章●Google Docs OCR 文字辨識pdf,圖檔34種語言，中文有簡無繁

電腦玩物最新文章●Google Docs OCR 文字辨識pdf,圖檔34種語言，中文有簡無繁

Google Docs OCR 文字辨識pdf,圖檔34種語言，中文有簡無繁

Posted: 28 Feb 2011 09:50 PM PST


google docs ocr-02

來自Google官方部落格的消息「Optical Character Recognition (OCR) in 34 languages」，Google Docs文件服務內建的「OCR文字辨識」功能，新增了29種語言辨識能力，目前可以辨識的PDF、圖片檔內文字來到了34種之多，而且這次包含了簡體中文，可惜尚未有針對繁體中文辨識的支援。

我們只要在Google Docs中選擇上傳新檔案，就可以在上傳介面中看到「將 PDF 檔案或圖片檔案中的文字轉換為 Google 文件。」的選項，勾選它！然後在下拉選單裡選擇相應要辨識的語言即可。

透過這種方式上傳的PDF、圖片檔案，會直接轉換成Google Docs文件格式（也就是不會佔用Google Docs總容量），而文件裡會包含原始檔案的每頁截圖，以及辨識出來的純文字內容，方便用戶進行對照！

 

我簡單測試了一個簡體中文內容的PDF檔案，大體來說，文字辨識的效果都很準確，尤其在「內文」的部份（也就是沒有使用太過特殊字體格式的部份），都能很順利的辨識出簡體中文。

但如果是一些使用特殊字體的標題，就可能辨識出亂碼了！

至於其它語言的辨識我沒有特別嘗試，歡迎有興趣的朋友玩玩看並回饋心得。當然，更重要的是希望能推出「繁體中文」的文字辨識服務支援啊！

google docs ocr-01
发帖者 时间：

没有评论:

发表评论

订阅： 博文评论 (Atom)