הפוך קובץ PDF סרוק לאפשרי חיפוש מבלי להעלות את הסריקה
סרוק דף והמחשב שלך מאחסן תמונה שלו. המילים נראות ממש על המסך, אבל לתוכנה הן רק פיקסלים - Ctrl+F לא מוצא כלום, העתק-הדבק לא נותן לך כלום, ושום אינדקס בשום מקום לא יודע מה המסמך אומר. OCR (זיהוי תווים אופטי) מתקן בדיוק את זה: הוא מסתכל על הצורות, מזהה אותיות ומילים, וכותב שכבת טקסט אמיתית מתחת לתמונה.
למה זה חשוב בפועל
- מוצא כל דבר. Ctrl+F על פני חוזה סרוק בן 200 עמודים מתחיל לעבוד.
- שימוש חוזר במילים. ציטוטים, כתובות, מספרי סעיפים - לבחירה ולהעתקה במקום להקליד מחדש.
- נגישות ואינדקס. קוראי מסך ומנועי חיפוש יכולים פתאום "לקרוא" את המסמך.
המלכוד שאף אחד לא מזכיר
רוב כלי ה-OCR המקוונים קוראים את המסמך שלך על ידי העלאתו לשרתים שלהם - וזה דבר מוזר לעשות עם סריקה של הדרכון שלך, תיעוד רפואי או חוזה לקוח. שלנו כלי OCR לוקח את הנתיב השני: ההכרה פועלת בתוך הדפדפן שלך (מנוע Tesseract הסטנדרטי בתעשייה, חובר ל-WebAssembly), וגם ה-PDF הניתן לחיפוש מורכב באופן מקומי. הסריקה לעולם לא עוזבת את המכשיר שלך.
קבלת הדיוק הטוב ביותר
- יישר קודם. דף מוטה בשתי מעלות עולה דיוק בכל שורה. רוץ הטיה לפני OCR אם הסריקה נראית עקומה.
- סריקה ב-300 DPI. מספיק פרטים עבור המנוע; יותר רק מאט אותו.
- התאם את השפה. בחר את השפה הנכונה בכלי OCR - מילוני זיהוי שונים, ו"אנגלית" בדף צרפתי מייצר שטויות בטוחות.
- שימו לב לגופנים. פרצופים במכונת כתיבה וכתב יד הם באמת קשים; מצפה לתיקונים שם.
לאחר OCR
הפלט הוא PDF שנראה זהה אך נושא טקסט בלתי נראה וניתן לבחירה. משם זה מסמך רגיל: חפש, העתק, הזן אותו ל- PDF לטקסט כלי למילים גולמיות, או להמיר אותו לפורמט הניתן לעריכה באמצעות PDF ל-Word.
רשימת בדיקה לדיוק
- יישר את הדף לפני ההכרה; סריקות משוכות לקרוא טוב יותר.
- השתמש בערך 300 DPI - פיקסלים נוספים עוזרים רק עד לנקודה שבה הרעש מתחיל לכאוב.
- בחר את השפה בדף, כולל הסקריפט הנכון.
- חפש שלושה פרטים ידועים לאחר מכן: סך הכל, תאריך ושם.
- בדוק את הפלט המודפס, לא רק את תוצאת החיפוש.
שפות וכתב יד
זיהוי עובד בצורה הטובה ביותר על טקסט מודפס נקי בשפה שבה הוא תומך. דפים בשפה מעורבת יכולים לבלבל את מודל השפה; הפעל מעברים נפרדים אם הקטעים נפרדים. כתב יד הוא המקרה הקשה - תוויות מודפסות סביב הערה בכתב יד עשויות להיות מזוהות בזמן שההערה עצמה מוחמצת. אל תתייחס לתוצאת OCR כאל תעתיק מאושר של רשומה בכתב יד.
מה לעשות עם הטקסט אחר כך
ברגע שלסריקה יש שכבת טקסט, ניתן לחפש אותה, להעתיק אותה ולאינדקס, וניתן להמיר אותה ל-Word או לחלץ אותה כטקסט. שמור את הסריקה המקורית לצד הגרסה הניתנת לחיפוש אם התמונה היא הרשומה המשפטית. פרטיות היא החצי השני של ההחלטה: זיהוי מבוסס דפדפן שומר על הסריקה במכשיר שלך, בעוד שירות מבוסס העלאה שולח אותה לשרת. בחר את הדגם התואם את רגישות המסמך, לא רק את המחיר.
נסה את זה: להפוך סריקה לניתנת לחיפוש - באופן מקומי, בחינם: הסריקה לעולם לא עוזבת את המכשיר שלך וה-PDF שנוצר בנוי באותו אופן.