Taranan PDF'yi Taramayı Yüklemeden Aranabilir Hale Getirin

Bir sayfayı taradığınızda bilgisayarınız onun bir fotoğrafını saklar. Kelimeler ekranda tam olarak görünür, ancak yazılım için bunlar yalnızca piksellerdir - Ctrl+F hiçbir şey bulamaz, kopyala-yapıştır size hiçbir şey vermez ve hiçbir yerde hiçbir dizin belgenin ne dediğini bilmez. OCR (optik karakter tanıma) tam olarak bunu düzeltir: şekillere bakar, harfleri ve kelimeleri tanır ve görüntünün altına gerçek bir metin katmanı yazar.

Bu pratikte neden önemlidir?

• Herhangi bir şey bulmak. 200 sayfalık taranmış bir sözleşme boyunca Ctrl+F çalışmaya başlar.
• Kelimeleri yeniden kullanmak. Tırnak işaretleri, adresler, cümle numaraları; yeniden yazmak yerine seçilebilir ve kopyalanabilir.
• Erişilebilirlik ve indeksleme. Ekran okuyucular ve arama motorları belgeyi aniden "okuyabilir".

Kimsenin bahsetmediği yakalama

Çoğu çevrimiçi OCR aracı, belgenizi sunucularına yükleyerek okur; bu, pasaportunuzun, tıbbi kayıtlarınızın veya müşteri sözleşmenizin taranmasıyla yapılabilecek tuhaf bir şeydir. Bizim OCR aracı diğer yolu seçer: tanıma çalışır tarayıcınızın içinde (WebAssembly'de derlenen endüstri standardı Tesseract motoru) ve aranabilir PDF de yerel olarak birleştirilir. Tarama asla cihazınızdan ayrılmaz.

En iyi doğruluğu elde etmek

1. Önce düzeltin. İki derece eğik bir sayfa, her satırın doğruluğunu gerektirir. Çalıştır Eğrilik Tarama çarpık görünüyorsa OCR'dan önce.
2. 300 DPI'da tarayın. Motor için yeterli detay; daha fazlası yalnızca yavaşlatır.
3. Dili eşleştirin. OCR aracında doğru dili seçin; tanıma sözlükleri farklılık gösterir ve Fransızca bir sayfadaki "İngilizce" kendinden emin saçmalıklar üretir.
4. Yazı tiplerine dikkat edin. Daktilo yüzleri ve el yazısı gerçekten zordur; orada düzeltmeler bekliyoruz.

OCR'dan sonra

Çıktı, aynı görünen ancak görünmez, seçilebilir metin taşıyan bir PDF'tir. Buradan itibaren normal bir belgedir: arayın, kopyalayın, besleyin PDF'yi Metne Dönüştürme Ham kelimeler için araç kullanın veya onu düzenlenebilir bir formata dönüştürün. PDF'den Word'e.

Doğruluk kontrol listesi

1. Tanınmadan önce sayfayı düzeltin; çarpık taramalar daha iyi okunur.
2. Yaklaşık 300 DPI kullanın; daha fazla piksel yalnızca gürültünün acı vermeye başladığı noktaya kadar yardımcı olur.
3. Doğru komut dosyası da dahil olmak üzere sayfadaki dili seçin.
4. Daha sonra bilinen üç ayrıntıyı arayın: toplam, tarih ve ad.
5. Yalnızca arama sonucunu değil, yazdırılan çıktıyı da kontrol edin.

Diller ve el yazısı

Tanıma, desteklediği dildeki temiz yazdırılmış metinlerde en iyi sonucu verir. Karışık dilli sayfalar dil modelini karıştırabilir; bölümler farklıysa ayrı geçişler yapın. El yazısı zor bir durumdur; el yazısıyla yazılmış bir notun etrafındaki basılı etiketler, notun kendisi gözden kaçarken tanınabilir. Bir OCR sonucunu el yazısıyla yazılmış bir kaydın sertifikalı transkripsiyonu olarak değerlendirmeyin.

Daha sonra metinle ne yapmalı

Tarama bir metin katmanına sahip olduğunda aranabilir, kopyalanabilir, dizine eklenebilir ve Word'e dönüştürülebilir veya metin olarak çıkartılabilir. Görüntü yasal kayıtsa, orijinal taramayı aranabilir sürümün yanında saklayın. Gizlilik, kararın diğer yarısıdır: Tarayıcı tabanlı tanıma, taramayı cihazınızda tutarken, yükleme tabanlı bir hizmet, taramayı bir sunucuya gönderir. Sadece fiyatı değil, belgenin hassasiyetine uygun modeli seçin.

Deneyin: taramayı aranabilir hale getirme — yerel olarak ücretsiz: tarama cihazınızdan asla ayrılmaz ve oluşturulan PDF aynı şekilde oluşturulur.