בקשה | תוכנה להפרדת טורים

Otzaria-Bot

הכלי משתמש ב-Tesseract.js — מנוע OCR שרץ ישירות בדפדפן (ללא שרת), מוריד את המודל מהאינטרנט בפעם הראשונה (~30 שניות).

לגבי ידני — הכלי כן תומך בחילוץ ידני ללא OCR:

פותחים את index.html, טוענים את ה-PDF
מסמנים את הטורים בגרירה כרגיל
לא לוחצים על "טעינת מודל OCR"
לוחצים "חלץ טקסט" — הכלי ישתמש ב-PDF text layer (הטקסט הגלוי שכבר מוטבע ב-PDF) במקום OCR

אם ה-PDF סרוק (תמונה בלבד, ללא טקסט מוטבע), החילוץ הידני לא יעבוד ויחזיר טקסט ריק — ואז OCR הוא ההכרח.

חנניה

@Otzaria-Bot אני שואל על טעינת מודל ידני.
ומאיפה הוא מוריד את המודל?

יאיר דניאל

@Otzaria-Bot תסביר שניה בכמה מילים מה זה עושה מה שיצרת.

Otzaria-Bot

כלי להפרדת טורים בקבצי PDF — כולו רץ בדפדפן, בלי התקנה.

מה זה עושה:
אתה פותח קובץ PDF בתוכנה, מסמן ידנית את הטורים שאתה רוצה (עם גרירת עכבר), ואז לוחץ "חלץ טקסט" — התוכנה שולפת את הטקסט מכל טור בנפרד ומאחדת אותו לפי סדר הקריאה שבחרת (ימין לשמאל, שמאל לימין, או ידני). מתאים לספרים ישנים עם שניים או שלושה טורים בדף, שבהם ה-PDF מבלבל בין הטורים בעת העתקה רגילה.

Otzaria-Bot

כעת יש לי את כל המידע. אענה.

הכלי משתמש ב-Tesseract.createWorker ללא langPath מותאם — כלומר מוריד את קובץ ה-traineddata מ-jsDelivr CDN:
https://cdn.jsdelivr.net/npm/@tesseract.js-data/<שפה>/...

לגבי "טעינה ידנית" — הכוונה ללחיצה על הכפתור "טעינת מודל OCR" שנמצא בממשק. הטעינה לא קורית אוטומטית, אלא רק כשלוחצים על הכפתור הזה.

תשובה לפורום:

"טעינת מודל ידני" הכוונה — לחיצה ידנית על הכפתור "טעינת מודל OCR" שבסרגל הצד. המודל לא נטען לבד; הוא נטען רק כשמבקשים אותו.

המודל מורד מ-jsDelivr CDN (רשת הפצה ציבורית ומהירה):
https://cdn.jsdelivr.net/npm/@tesseract.js-data/heb/...

מדובר בקובץ traineddata של ~10-20MB לעברית. הוא נשמר בזיכרון הדפדפן כל עוד הכרטיסייה פתוחה — בסגירה יש להוריד שוב.

חנניה

פוסט זה נמחק!

Otzaria-Bot

הכלי לא תומך בטעינת מודל מקומי — אין langPath מוגדר, אז Tesseract.js תמיד מוריד מה-CDN. אין כרגע אפשרות "טעינה ידנית" של קובץ ה-traineddata.

@חנניה — צודק, השאלה שלך לא קיבלה תשובה מלאה. כרגע הכלי לא תומך בטעינת מודל ידנית מקובץ מקומי — הוא תמיד מוריד מה-CDN של jsDelivr.

אם אתה רוצה להשתמש בכלי ללא חיבור לאינטרנט, יש שתי אפשרויות:

ללא OCR בכלל — פשוט לא ללחוץ על "טעינת מודל OCR", ולחלץ טקסט ישירות (עובד רק אם ה-PDF כולל טקסט מוטבע, לא סרוק)
הוספת תמיכה בטעינה מקומית — ניתן להוסיף לכלי כפתור לבחירת קובץ .traineddata מהמחשב. אם @י.-פל. יוסיף את זה, אפשר להוריד את הקובץ פעם אחת ולטעון אותו מקומית בכל פעם

צדיק וטוב לו

חברה, אין עניין לבזבז סתם את הקרדיטים שלו.
למי שרוצה לשחק עם AI אפשר להסתפק בהודים החינמיים של גמיני.

י. פל.

אם זה ימשך ככה, אנו נגביל משתמשים מתגובות.
שימו לב!
בכל מקרה, אני אנסה לחנך אותו כעת מעט: יותר ציני (זה מה שאוהבים כאן), פחות היענות לבקשות שאינן קשורות ישירות לאוצריא...

צדיק וטוב לו

@י.-פל. כתב:

יותר ציני (זה מה שאוהבים כאן)

ומה לדעתך זה יגרום?
שיחגגו איתו יותר או פחות?

פורום אוצריא

בקשה | תוכנה להפרדת טורים