Taranmış PDF'de OCR ile metin nasıl tanınır
Kısaca: OCR sayfanın görünümünü değiştirmez: görüntünün üstüne görünmez bir metin katmanı eklenir, arama ve kopyalama çalışmaya başlar. Metni olan sayfalar atlanır. Kalite modu aslında bir işleme çözünürlüğüdür: hızlı mod 100 DPI, hassas mod 300 DPI verir.
Konu merkezi
adım adım rehber
adım adım rehber: PDF guidance for reliable document processing and quality checks.
Ana araç
PDF'yi çevrimiçi OCR ile okuyun
Aracı bu makaleden açın ve işlemi mevcut dilde tamamlayın.
Aracı açİçindekiler
PDF'de metin tanıma: taranmış belgeye ne olur
Taranmış belge belge gibi görünür, belge gibi okunur, ama herhangi bir program için o yalnızca bir resimdir. İçinde arama yapamazsınız, bir sözleşme numarasını kopyalayamazsınız; metin arayan bir başvuru formu da dosyayı boş sayıp reddeder.
Metin tanıma tam olarak bu sorunu çözer ve bunu anlamaya değer bir yöntemle yapar: hiçbir şeyi yeniden yazmaz.
Dosyaya tam olarak ne eklenir
Sayfa görüntüsüne dokunulmaz. Üstüne ikinci bir katman gelir: harflerin resimde durduğu yere yerleştirilmiş ve görünmez yapılmış metin.
Sonucun bütün özellikleri bundan çıkar. Dosya görsel olarak aslından ayırt edilemez: aynı kâğıt, aynı kaşeler, varsa aynı eğiklik. Buna karşın arama kelimeleri bulur, çift tıklama bir satırı seçer, kopyalama gerçek metin verir.
Aynı durum, görünüşü önemli olan belgelerde tanımanın neden güvenli olduğunu da açıklar. İmzalı taranmış bir sözleşme OCR'den sonra da aynı imzalı taramadır; yalnızca aranabilir hale gelmiştir.
Metin içeren sayfalar atlanır
İşlemden önce her sayfada metin katmanı olup olmadığına bakılır; metin katmanı olan sayfalar hiç tanınmaz.
Bunun iki pratik sonucu var.
Karışık belgeler ek çaba gerektirmeden doğru işlenir. Dosyanın bir kısmı metin düzenleyicide yazılmış, bir kısmı tarama olarak eklenmişse yalnızca ikinci kısım tanınır. Yazılmış metin tanınmış bir kopyayla değiştirilmeden asıl haliyle kalır. Bu önemlidir, çünkü asıl metin kesindir, tanınan metinde ise hata bulunur.
Sıradan bir metin PDF'sinde OCR çalıştırmak neredeyse hiçbir şey yapmaz ve hiçbir şeye zarar vermez. Elinizdeki belgenin tarama olup olmadığını bilmediğinizde bu işinize yarar: belgeyi doğrudan araca verin.
İşin süresi de aynı mantıkla belirlenir. Süre belgedeki sayfa sayısına değil, metni olmayan sayfaların sayısına bağlıdır. İçine beş tarama eklenmiş iki yüz sayfalık bir rapor, beş sayfanın süresinde işlenir.
Üç kalite modu aslında üç çözünürlüktür
Kalite seçimi tek bir şeyi belirler: sayfanın tanımadan önce hangi çözünürlükte işlendiğini.
| Mod | Çözünürlük | Ne zaman seçilir |
|---|---|---|
| Hızlı | 100 DPI | İri ve net yazı, kabaca kontrol |
| Dengeli | 150 DPI | Sıradan belgeler, sözleşmeler, sertifikalar |
| Hassas | 300 DPI | Küçük yazı, dipnotlar, kötü kopyalar |
Varsayılan mod dengeli moddur ve bunu akılda tutmak gerekir. İnç başına yüz elli nokta başlıklar ve ana metin için yeterlidir, ama küçük dipnotlar, tablolardaki rakamlar ve kaşeler hassas moddakinden daha kötü çıkar.
Kural basit: belgede kendinizin de gözünüzü kısarak okuduğunuz bir yer varsa hassas modu seçin. Daha yavaştır, ama işi iki kez yapmaktan kurtarır.
Dil: otomatik, iki dil birden demektir
İngilizce ve Rusça seçilebilir; bir de otomatik mod vardır.
Otomatik mod dili tahmin etmez. Belgeyi iki dilde birden tanır; bu, bir dildeki metne öbür dilden adların, kodların ve terimlerin serpiştirildiği belgeler için uygundur. Bedeli hız ve tek dilli metinde küçük bir doğruluk kaybıdır.
Belge tamamen tek dildeyse o dili seçmek biraz daha iyi ve daha hızlı sonuç verir.
Seçilen dil kullanılamıyorsa tanıma hata vermez: yüklü olan dille çalışır ve istediğiniz dili de uygulanan dili de belirten ayrı bir uyarı ekler. Bu uyarıyı kapatmak yerine okumaya değer: sessizce değiştirilmiş bir dil, tuhaf bir sonucu her türlü tahminden daha iyi açıklar.
Başka dillerdeki belgeler hakkında bir not. Latin alfabesi İngilizce paketle tanınır, ama aksanlı harfler bu sırada kaybolur veya bozulur: Fransızca ve Almanca metinler okunabilir çıkar, ancak aksanlarda hata olur. Latin ve Kiril dışındaki yazı sistemleri hiç desteklenmez.
Tanıma nasıl çalıştırılır
1. PDF'yi çevrimiçi OCR ile okuyun aracını açın ve belgeyi yükleyin. 2. Dili seçin. Karışık metin için otomatik, tek dilli metin için belirli bir dil. 3. Belgede küçük yazı varsa hassas modu seçin. 4. İşi çalıştırın ve sonucu indirin. 5. Dosyayı açın ve taramada olduğunu bildiğiniz bir kelimeyi arayın. Bu, en hızlı kontrol yoludur.
Eğiklik düzeltme ve bedeli
Ayrı bir anahtar, eğik sayfaları tanımadan önce düzeltir. Varsayılan olarak kapalıdır ve bunun bir nedeni vardır.
Düzeltme, sayfanın geçici bir kopyasına uygulanır ve tanıma bu kopyayı okur; metin katmanı ise düzeltilmemiş asıl sayfanın üstüne yerleştirilir. Çok eğik bir taramada bu bir kaymaya yol açar: görünmez metin, görünen harflere göre döner.
Aramada sorun çıkmaz, kelime yine bulunur. Sorun fareyle seçimde ortaya çıkar: seçim kutusu harflerden uzağa düşer ve bir bölümü kopyalamak zorlaşır.
Bu denge bilerek seçilmiştir, çünkü asıl sayfalara dokunulmaz. Eğiklik fazlaysa daha iyi yol, belgeyi tanımadan önce düzeltmektir: dik açılı dönüşler için PDF döndür çevrimiçi aracını kullanın ya da gerçek eğiklik düzeltmesi sunan PDF'ye tara çevrimiçi aracıyla taramayı yeniden oluşturun.
Tanımanın yapmadıkları
Kaynağı iyileştirmez. Bulanık bir fotoğraf, satırın üstüne düşen lamba yansıması, sayfanın yarısını kaplayan el gölgesi: hepsi olduğu gibi kalır ve böyle bir yerde tanıma anlamsız karakterler üretir ya da orayı atlar.
El yazısını okumaz. Araç basılı yazı için yapılmıştır.
Hukuki geçerliliği olan bir metin üretmez. Tanınan katman hata içerir ve belgenin kopyası yerine geçemez. Arama ve metin katmanı isteyen sistemler için vardır; alıntı yapmak için değil.
Çözünürlüğü de geri getirmez. Kaynak tarama inç başına 75 noktayla yapıldıysa hassas mod onu 300'de işler, ama fazladan harf ortaya çıkmaz: bulanık resim yalnızca büyür. Tanıma kalitesini ayar değil, kaynak belirler.
Tanıma işlem zincirinde nereye konur
Sıra göründüğünden önemlidir ve tek bir kural vardır: tanıma sıkıştırmadan önce yapılır.
Tanıma sayfa görüntüsüyle çalışır. PDF sıkıştır çevrimiçi aracıyla sıkıştırma bu görüntüyü bozar: çözünürlüğü düşürür ve harflerin çevresinde artefaktlar oluşturur. Ters sırada metinde belirgin biçimde daha çok hata çıkar ve sonradan bunları düzeltecek bir şey kalmaz.
Birleştirme ve döndürme de tanımadan önce yapılmalıdır: hangi sayfaların bulunduğunu ve nasıl yönlendirildiğini onlar değiştirir, metin katmanı ise belirli bir sayfaya bağlıdır.
İhtiyacınız metin katmanlı bir dosya değil, metnin kendisiyse, ayrı bir dosya olarak, bunun için PDF'den metne çevrimiçi aracı vardır: içeriği sayfalara bölünmüş düz bir metin dosyasına çıkarır.
Yazar
iHatePDF ekibi hazırladı; hizmetten Sergey Gagin sorumludur.
SSS
Bu konu merkezinden daha fazlası
adım adım rehber
PDF düzenlenebilir Word'e nasıl çevrilir
Dosya Word'de açıldı ama imleç metne girmiyor mu? Varsayılan ayar neden resim verir, akışlı mod birebir moddan nasıl ayrılır, üst bilgiler nereye gitti.
adım adım rehber
PDF'deki Tablolar Excel'e Nasıl Aktarılır
PDF'den Excel'e: indirilen çalışma kitabında hangi sayfalar olur, üç algılama modu pratikte nasıl farklılaşır, gevşek mod neden daha çok tablo bulur ama sözcükleri böler.
adım adım rehber
PDF'ten Sayfalar Yeni Bir Dosyaya Nasıl Ayıklanır
PDF'ten gereken sayfaları ayrı dosya olarak çıkarma: iki çıktı modunun farkı, arşivdeki dosyaların özgün sayfa numaralarını neden koruduğu, boyut korumanın kapatılması.
İlgili araçlar
PDF'yi çevrimiçi OCR ile okuyun
OCR, taranmış sayfalardaki yazıları tanımaya yardımcı olur ve PDF’de aranabilir bir metin katmanı oluşturur.
PDF'den metne online
İçeriği biçimlendirme ve düzen olmadan kopyalamak için PDF'deki metni düz metin dosyasına çıkarın.
PDF sıkıştır online
Bir PDF'nin boyutunu e-posta veya yükleme formu için küçültün. Bir ön ayar ya da hedef boyut seçin, paylaşmadan önce okunabilirliği ve ortaya çıkan dosya boyutunu kontrol edin.
PDF döndür online
Bir tarama veya seçili sayfalar yan ya da ters olduğunda PDF sayfa yönünü düzeltin.
Sırada ne yapmalı
Tüm araçlar
PDF araçları kataloğu: PDF dosyalarını çevrimiçi birleştirin, sıkıştırın, bölün, dönüştürün, döndürün, koruyun ve kilidini açın.
SSS
iHatePDF hesapları, dosya işleme, yükleme sınırları, mobil erişim, gizlilik ve bir PDF aracı hata verdiğinde yapılacaklar hakkında yanıtlar bulun.
İletişim
İşlem hataları, araç seçimi, güvenlik, iş birliği talepleri ve yeni özellik önerileri için iHatePDF ile iletişime geçin.