Bir PDF'nin OCR'a ihtiyacı olduğunu nasıl anlarsınız
Bir tarayıcıdan, bir telefon tarama uygulamasından veya bir faks ağ geçidinden gelen PDF genellikle sayfa başına bir resim içerir ve başka hiçbir şey içermez. Bir belge gibi görünür, ama bilgisayar için bir fotoğraftır. İşaretleri fark etmek kolaydır:
- Ctrl+F (Mac'te Cmd+F), açıkça görebildiğiniz bir kelime için bile hiçbir şey bulmaz.
- Fareyi sürüklemek tek tek kelimeler yerine sayfanın tamamını bir blok olarak seçer.
- Kopyalayıp yapıştırmak hiçbir şey üretmez ya da okuyucu "metni tanımayı" önerir.
- E-postanızdaki, bulut sürücünüzdeki veya arşivinizdeki belge araması dosyayı asla bulmaz.
OCR dördünü birden çözer. Tipik adaylar; tarayıcıdan geçmiş imzalı sözleşmeler, eski kâğıt arşivler, muhasebe için fişler ve faturalar ile ders çalışmak için taranmış kitap bölümleridir.
Sunucu dosyanızla ne yapar
Dönüştürme sunucumuzda Tesseract tanıma motoruyla OCRmyPDF çalıştırır. Her sayfa için sayfa görüntüsünü işler, seçilen dildeki kelimeleri tanır ve bunları resimdeki karşılık gelen kelimelerin tam üzerine yerleştirilmiş görünmez bir metin katmanı olarak geri ekler. Görüntünün kendisi yeniden çizilmez veya değiştirilmez; sonucun orijinalle tıpatıp aynı görünmesinin nedeni budur.
Bilmeye değer birkaç ayrıntı:
- Zaten metin içeren sayfalar atlanır; böylece yazılmış ve taranmış sayfaları karıştıran bir belge orijinal metnini dokunulmadan korur.
- Hafif, kayıpsız bir optimizasyon geçişi uygulanır, bu yüzden dosya boyutu genellikle orijinale yakın kalır.
- Çıktı, onlarca yıl sonra da aynı şekilde görüntülenmek üzere tasarlanmış arşiv amaçlı PDF varyantı olan PDF/A olarak kaydedilir. Herhangi bir normal PDF okuyucu onu açar.
- Her çalıştırmada tek bir dil kullanılır. Çoğunlukla tek bir dilde olan ve birkaç yabancı ad içeren bir belge için ana dili seçin.
Doğru metin elde etmek
Tanıma kalitesi büyük ölçüde dosya sunucuya ulaşmadan önce belirlenir.
Çözünürlük
Basılı belgeleri tararken 300 dpi'ı hedefleyin. Bu çözünürlükte normal 10 ila 12 puntoluk metin kolayca tanınır. 200 dpi temiz ve büyük baskılar için işe yarar. 150 dpi veya altında küçük harfler birbirine karışır ve "rn"nin "m" olarak okunması gibi hatalar sıklaşır. 400 dpi'dan yüksek taramak sonuçları nadiren iyileştirir ve dosyayı çok büyütür.
Yön ve düzlük
Bu araç sayfaları döndürmez veya düzeltmez. Yan veya baş aşağı taranmış bir sayfa zayıf ya da boş metin verir. Önce yönü PDF döndür ile düzeltin. Bir iki derecelik hafif bir eğim tolere edilir, ancak açılı çekilmiş ve sayfası bir kitabın sırtına yakın yerde kıvrılan bir telefon fotoğrafı hızla doğruluk kaybeder.
Kontrast ve kalabalık
Beyaz kâğıt üzerinde siyah metin idealdir. Solmuş termal fişler, kurşun kalem, renkli kâğıt, metnin üzerindeki yoğun damgalar ve arka plan desenleri doğruluğu azaltır. El yazısı işe yarar bir şekilde tanınmaz.
Uzun belgeler ve süre sınırları
Tanıma sayfa başına birkaç saniye sürer, bu yüzden 50 sayfalık bir tarama genellikle birkaç dakikada biter. İşlerin hesap olmadan 15 dakika, Premium'da 60 dakikalık bir işlem süresi sınırı vardır. Birkaç yüz sayfalık bir kitap ücretsiz süreye sığmayabilir; onu PDF böl ile parçalara ayırın ve tek tek işleyin. Günlük hak, 500 MB'a kadar dosyalar için bir ücretsiz çalıştırma ya da Premium'da 4 GB'a kadar sınırsız çalıştırmadır.
Parola korumalı PDF'ler reddedilir, çünkü sayfalar parola olmadan okunamaz. Parolaya sahipseniz önce onu kaldırın. Yüklenen dosya işlem bittiğinde silinir ve sonuç, iş oluşturulduktan yaklaşık bir saat sonra sona erer.
Sonucu kontrol etmek
Aranabilir PDF'yi açın ve farklı sayfalardan, bir iki sayı da dahil olmak üzere birkaç kelime arayın. OCR hataları öngörülebilir yerlerde toplanır:
- Birbirine benzeyen karakterler: özellikle kodlarda ve hesap numaralarında 0 ve O, 1, l ve I, 5 ve S.
- Hücreler yerine metin satırları olarak çıkan tablolar.
- Alt bilgilerdeki ve damgalardaki küçük yazılar.
Bir tutarın önemli olduğu sözleşmeler veya faturalar için rakamı her zaman kopyalanan metinden değil, görüntüden okuyun. Aranabilir bir PDF yerine metnin kendisini istiyorsanız, sonucu PDF'den metin çıkar aracında açın; tanınan katmanı çıkaracaktır.