Taranmış Bir PDF Nasıl Aranabilir Yapılır?

Taranmış bir PDF neden aranamaz?

Bir tarayıcı ya da telefon uygulaması PDF oluşturduğunda her sayfayı bir görsel olarak saklar. Word'den dışa aktarılan bir PDF ise farklıdır: gerçek karakterler içerir; bu yüzden onları arayabilir ve seçebilirsiniz. Taranmış bir sayfada harf şeklinde pikseller vardır ama harf yoktur.

Hangisine sahip olduğunuzu hızlı bir testle anlayabilirsiniz. Tek bir kelimeyi seçmeyi deneyin. Kelimeyi tek başına vurgulayabiliyorsanız PDF'te zaten metin vardır. Tüm sayfa tek bir blok olarak seçiliyorsa ya da hiçbir şey olmuyorsa, bu bir taramadır ve OCR gerekir.

Bu ayrım, günlük hayatta sandığınızdan çok daha sık karşınıza çıkar. Bankalardan, noterlerden ya da resmi kurumlardan gelen belgelerin önemli bir kısmı, kâğıt çıktının yeniden taranmasıyla oluşturulur. Hastanelerden alınan raporlar, eski sözleşmeler ve faksla gönderilmiş evraklar da çoğunlukla yalnızca görsel içerir. Bu dosyalar ekranda kusursuz görünse de içlerinde arama yapmak, metin kopyalamak ya da onları bir ekran okuyucuyla dinlemek mümkün değildir. OCR, bu belgeleri gerçekten kullanılabilir hale getirmenin en pratik yoludur

OCR, PDF'inize ne yapar?

OCR her sayfa görselini analiz eder, karakterleri tanır ve bunları gördüğünüz kelimelerin tam altına yerleştirilen görünmez bir metin katmanı olarak PDF'e ekler. Sayfalar öncekiyle tamamen aynı görünür; ancak arama, kopyala-yapıştır ve ekran okuyucular artık çalışır, çünkü altta gerçek metin vardır.

pdfdots OCR PDF, köklü bir açık kaynak motoru olan Tesseract'ı kullanır ve onu tarayıcınızda çalıştırır. Belgeniz yüklenmez. Tek indirme, seçtiğiniz dilin yaklaşık 10 ila 20 MB'lık dil modelidir; tarayıcınız bunu saklar, böylece sonraki çalıştırmalar daha hızlı başlar. Ücretsiz bir hesap yeterlidir; reklam ya da filigran yoktur.

Adım adım taranmış PDF'e OCR uygulama

İşlem birkaç tıklama sürer; ardından sayfalar tanınırken biraz sabır gerekir.

• OCR PDF aracını açın ve taranmış dosyanızı kutuya sürükleyin ya da tıklayarak seçin.
• Belgenin dilini seçin: İngilizce, Türkçe, İspanyolca, Portekizce, Almanca ya da Fransızca.
• OCR'ı Çalıştır düğmesine tıklayın ve her sayfa tanınırken bekleyin. Ortalama bir bilgisayarda sayfa başına birkaç saniye, telefonda daha uzun sürmesini bekleyin.
• Aranabilir PDF'i indirin ve Ctrl+F ya da Cmd+F ile test edin.

Doğru sonuç almanın yolları

OCR kalitesi büyük ölçüde taramaya bağlıdır. Temiz, düz ve eşit aydınlatılmış sayfalar çok iyi sonuç verir. Bulanık telefon fotoğrafları, eğri sayfalar, çok küçük yazılar ve süslü yazı tipleri daha fazla hataya yol açar; el yazısı ise güvenilir şekilde tanınmaz.

• Doğru dili seçin. Bu, özellikle ş, ğ, ı gibi özel harflerin ve sık kullanılan kelimelerin tanınmasını belirgin şekilde iyileştirir.
• Önce eğri sayfaları düzeltin. Bir sayfa yan ya da ters duruyorsa OCR'dan önce PDF Döndür ile düzeltin.
• Uzun taramaları kısaltın. 300 sayfalık bir arşivin yalnızca birkaç sayfasına ihtiyacınız varsa, önce PDF Sayfa Ayıkla ile onları ayırın; çok fazla beklemekten kurtulursunuz.
• Mümkünse yeniden tarayın. Bir sayfa garip karakterlerle dolu çıkıyorsa, daha net bir tarama her şeyden fazla işe yarar.

Çıktı dosyası neden daha büyük ve ne yapılabilir?

Tanıma öncesinde her sayfa yaklaşık 200 DPI'da yeniden işlenir ve bu görsel, metin katmanıyla birlikte yeni dosyaya eklenir. Sonuç olarak aranabilir PDF çoğu zaman orijinal taramadan daha büyük olur. Dosyayı e-postayla göndermeniz ya da boyut sınırı olan bir yere yüklemeniz gerekiyorsa, sonrasında PDF Sıkıştır aracından geçirin. Metin katmanı sıkıştırmadan etkilenmez; dosya aranabilir kalır.

Bizim önerimiz, arşivlemek istediğiniz dosyalarda boyuttan çok aranabilirliği önceliklendirmeniz; yalnızca paylaşmanız gereken kopyaları sıkıştırmanız. Böylece arşivinizde en yüksek kaliteli sürüm kalırken, e-postayla gönderdiğiniz dosya da sınırlara takılmaz. Sıkıştırılmış kopyayı paylaştıktan sonra silebilir, orijinal aranabilir dosyayı ise uzun süre güvenle saklayabilirsiniz

Eski evraklardan aranabilir bir arşiv oluşturmak

OCR asıl değerini bütün bir koleksiyona uygulandığında gösterir. Kutular dolusu eski mektubu, garanti belgesini ve vergi evrakını aranabilir PDF'lerden oluşan bir klasöre dönüştürdük; yıllar önceki belirli bir faturayı bulmak artık bodrumda geçen bir öğleden sonra yerine kısa bir arama sürüyor.

Yöntemimiz basit. Her belgeyi ayrı bir PDF olarak tarıyoruz ya da toplu tarayıp PDF Böl ile ayırıyoruz. Ardından her dosyaya OCR uyguluyor, açıklayıcı bir ad veriyor ve yıl bazında klasörlere koyuyoruz. Hem Windows hem macOS PDF'lerin metin katmanını dizine ekler; böylece bir isim ya da tutar için yapılan sistem genelindeki arama, kelime yalnızca yedinci sayfada geçse bile doğru belgeyi bulur.

Eski evraklarda doğruluk değişkendir. Solmuş termal fişler ve karbon kopyalar her motor için zordur; bu yüzden gerçekten önemli belgelerde temel bilgilerin kısa bir notunu dosya adında da tutuyoruz.

Aranabilir bir PDF ile neler yapabilirsiniz?

Metin katmanı yerine oturduğunda çok daha fazlası mümkün hale gelir. PDF'den Metne, tanınan metni düz bir metin dosyası olarak çıkarır; alıntı yapmak ya da başka bir yazılıma aktarmak için kullanışlıdır. PDF Karşılaştır ise taranmış bir sözleşmenin iki sürümü arasındaki farkları bulabilir.

Düzenlenebilir bir biçime dönüştürme de OCR'dan sonra çok daha iyi sonuç verir. PDF'den Word'e ve PDF'den Excel'e, dosyaların işlemden hemen sonra silindiği Almanya'daki dönüştürme sunucumuzda çalışır ve PDF metin fotoğrafları yerine gerçek metin içerdiğinde çok daha temiz sonuçlar üretir.

Sıkça sorulan sorular