اجعل ملف PDF ممسوحًا ضوئيًا قابلاً للبحث فيه دون تحميل المسح الضوئي
قم بمسح الصفحة ضوئيًا وسيقوم جهاز الكمبيوتر الخاص بك بتخزين صورة لها. تبدو الكلمات مباشرة على الشاشة، ولكنها بالنسبة للبرامج مجرد وحدات بكسل - لا يجد Ctrl+F شيئًا، ولا يمنحك النسخ واللصق شيئًا، ولا يوجد فهرس في أي مكان يعرف ما تقوله الوثيقة. التعرف الضوئي على الحروف يعمل (التعرف البصري على الأحرف) على إصلاح ذلك تمامًا: فهو ينظر إلى الأشكال، ويتعرف على الحروف والكلمات، ويكتب طبقة نص حقيقية أسفل الصورة.
لماذا هذا مهم في الممارسة العملية
- العثور على أي شيء. Ctrl+F عبر عقد ممسوح ضوئيًا مكون من 200 صفحة يبدأ العمل.
- إعادة استخدام الكلمات. الاقتباسات والعناوين وأرقام البنود - قابلة للتحديد والنسخ بدلاً من إعادة كتابتها.
- إمكانية الوصول والفهرسة. يمكن لقارئات الشاشة ومحركات البحث "قراءة" المستند فجأة.
الصيد لا أحد يذكر
تقرأ معظم أدوات التعرف الضوئي على الحروف عبر الإنترنت المستند الخاص بك عن طريق تحميله على خوادمها - وهو أمر غريب عند إجراء فحص لجواز سفرك أو سجلك الطبي أو عقد العميل. لدينا أداة التعرف الضوئي على الحروف يأخذ المسار الآخر: يعمل الاعتراف داخل المتصفح الخاص بك (محرك Tesseract المتوافق مع معايير الصناعة، والذي تم تجميعه إلى WebAssembly)، ويتم تجميع ملف PDF القابل للبحث محليًا أيضًا. لا يترك المسح جهازك أبدًا.
الحصول على أفضل دقة
- تصويب أولا. الصفحة المائلة بمقدار درجتين تكلف الدقة في كل سطر. تشغيل منحرف قبل التعرف الضوئي على الحروف (OCR) إذا كان المسح يبدو ملتويًا.
- المسح الضوئي بدقة 300 نقطة في البوصة. تفاصيل كافية للمحرك. المزيد يبطئه فقط.
- تطابق اللغة. اختر اللغة المناسبة في أداة التعرف الضوئي على الحروف - تختلف قواميس التعرف، كما أن كلمة "الإنجليزية" في الصفحة الفرنسية تنتج هراءً واضحًا.
- انتبه إلى الخطوط. وجوه الآلة الكاتبة والكتابة اليدوية صعبة حقًا؛ نتوقع التصحيحات هناك.
بعد التعرف الضوئي على الحروف
الإخراج هو ملف PDF يبدو متطابقًا ولكنه يحمل نصًا غير مرئي وقابل للتحديد. ومن هناك يصبح مستندًا عاديًا: ابحث عنه وانسخه وألقمه في ملف قوات الدفاع الشعبي إلى النص أداة للكلمات الأولية، أو تحويلها إلى تنسيق قابل للتحرير باستخدام قوات الدفاع الشعبي إلى كلمة.
قائمة التحقق من الدقة
- قم بتسوية الصفحة قبل التعرف عليها؛ قراءة عمليات المسح المنحرفة بشكل أفضل.
- استخدم حوالي 300 نقطة في البوصة — يساعد المزيد من وحدات البكسل فقط في الوصول إلى النقطة التي يبدأ فيها الضجيج بالإيذاء.
- اختر اللغة في الصفحة، بما في ذلك النص الصحيح.
- ابحث عن ثلاثة تفاصيل معروفة بعد ذلك: الإجمالي والتاريخ والاسم.
- تحقق من المخرجات المطبوعة، وليس فقط نتيجة البحث.
اللغات والكتابة اليدوية
يعمل التعرف بشكل أفضل على النص المطبوع النظيف باللغة التي يدعمها. يمكن للصفحات ذات اللغات المختلطة أن تربك نموذج اللغة؛ قم بتشغيل تمريرات منفصلة إذا كانت الأقسام متميزة. الكتابة اليدوية هي الحالة الصعبة - فقد يتم التعرف على الملصقات المطبوعة حول ملاحظة مكتوبة بخط اليد بينما يتم تفويت الملاحظة نفسها. لا تعامل نتيجة التعرف الضوئي على الحروف على أنها نسخة معتمدة من سجل مكتوب بخط اليد.
ماذا تفعل مع النص بعد ذلك
بمجرد أن يحتوي المسح الضوئي على طبقة نصية، يمكن البحث عنه ونسخه وفهرسته، ويمكن تحويله إلى Word أو استخراجه كنص. احتفظ بالنسخة الأصلية الممسوحة ضوئيًا إلى جانب النسخة القابلة للبحث إذا كانت الصورة هي السجل القانوني. الخصوصية هي النصف الآخر من القرار: التعرف على المتصفح يحافظ على الفحص على جهازك، بينما ترسله الخدمة القائمة على التحميل إلى الخادم. اختر النموذج الذي يتوافق مع حساسية المستند، وليس السعر فقط.
جربه: جعل المسح قابلاً للبحث - محليًا مجانًا: لا يغادر المسح جهازك أبدًا ويتم إنشاء ملف PDF الذي تم إنشاؤه بنفس الطريقة.