Taranmış PDF nasıl aranabilir yapılır

Kısa cevap

Belgenin dilini seç, taranmış PDF'i aşağıdaki araca bırak ve sayfalar sırayla okunurken bekle. İş bitince aranabilir PDF'i, TXT dosyasını ya da ikisini tek ZIP içinde indir. Aranabilir PDF'te özgün sayfaların hepsi olduğu gibi kalır, sadece görünmez metin eklenir; bu yüzden dosya aynı görünür ve boyutu çok az artar.

Belgede iki dil karışıksa, örneğin İngilizce terimler içeren bir Türkçe sözleşmede, ikinci dili de seç. Sadece bazı sayfalar gerekiyorsa Sayfalar alanına yaz: 1-3, 5 ya da 8- gibi.

Taranmış PDF'te neden arama yapılamaz

Kelime işlemciden kaydedilen bir PDF gerçek metin tutar: her harfi, yazı tipini ve konumunu. Tarama cihazı, fotokopi makinesi ya da telefondaki tarama uygulaması farklı çalışır. Kâğıdın fotoğrafını çeker ve bu fotoğrafı bir PDF'in içine koyar. Sana sayfa yazı gibi görünür ama bilgisayar için renkli noktalardan oluşan bir ızgaradır.

Bu yüzden arama kutusu hiçbir şey bulmaz, imleç tüm sayfayı bir resim olarak seçer, yapıştırınca işe yarar bir şey çıkmaz. Ekran okuyucular sayfayı sesli okuyamaz, bilgisayarındaki ya da belge arşivindeki dosya araması belgeyi içeriğinden bulamaz. Bazı tarama uygulamaları OCR'ı kendiliğinden çalıştırır; bazı taramaların aranabilir olup bazılarının olmamasının nedeni budur.

Hızlı bir deneme: PDF'i aç, Ctrl+F'ye (Mac'te Cmd+F) bas ve sayfada açıkça gördüğün bir kelimeyi ara. Bir şey bulunmuyorsa sayfanın metin katmanı yoktur ve OCR gerekir.

Görünmez metin katmanı nasıl çalışır

OCR sayfa görüntüsündeki satırları ve kelimeleri bulur, her karakteri tanır. Araç sonra tanınan her kelimeyi PDF'e, taramada göründüğü yere, PDF okuyucuların bildiği görünmez metin kipinde yazar: metin arama ve seçme için oradadır ama çizilmez, alttaki tarama eskisi gibi görünmeye devam eder.

Özgün sayfalar olduğu gibi kopyalanır. Tarama yeniden dönüştürülmez, yeniden sıkıştırılmaz, kalitesi düşmez; sonuç dosyanla birebir aynı görünür. Her sayfaya sadece birkaç kilobaytlık metin eklenir. Arama yaptığında okuyucu kelimeyi taramanın üstünde vurgular, bir satırı seçip kopyaladığında tanınan metni alırsın.

Ayarlar tek tek

• Metnin dili: belgenin yazıldığı dil. En önemli ayar budur, çünkü OCR'a hangi harfleri ve kelimeleri beklemesi gerektiğini söyler. Sadece o dilin verisi bir kez indirilir.
• İkinci dil: isteğe bağlı. Karışık belgeler için kullan. İki dil birlikte tanınır, tek dile göre biraz daha yavaştır.
• Sayfalar: tüm sayfalar için boş bırak ya da 1-3, 5 veya 8- (8. sayfadan sona kadar) gibi aralıklar yaz. Aranabilir PDF'te yine tüm sayfalar bulunur; metin katmanı sadece seçilenlere eklenir.
• Sonuç: aranabilir PDF ve metin (ikisi, ZIP olarak), sadece aranabilir PDF ya da sadece metin. Sonradan değiştirirsen sayfalar yeniden okunmaz, tanınan metin tekrar kullanılır.
• Durdur: uzun belgeler dosyanın yanındaki düğmeyle her an durdurulabilir. Okunan sayfalar saklanır, sonraki çalıştırma kaldığı yerden devam eder.

Doğru metin için ipuçları

• Mümkünse 300 DPI tara. Sayfalar okunmadan önce yaklaşık 300 DPI'da çizilir ama daha net bir tarama her zaman daha iyi harfler demektir.
• Sayfaları düz ve eşit ışıkta tut. Hafif eğiklik sorun değil; çok dönmüş ya da kalın bir kitabın fotoğrafı gibi kıvrılmış sayfalar daha kötü okunur.
• Dili tam doğru seç. İngilizce seçiliyken ç, ğ, ş ya da ß gibi harfler onlara benzeyen Latin harfleri olarak çıkabilir.
• İsimlere, tutarlara ve tarihlere güvenmeden önce bir göz at. OCR temiz baskıda çok iyidir ama kötü kopyalarda 1 l'ye, 0 O'ya dönebilir.
• El yazısı, kaşeler ve fotoğraf ya da karışık zemin üstündeki yazılar her OCR için zordur; atlanabilir ya da yanlış okunabilir.

Hangi diller çalışır, ne kadar iyi

Tanıma 20 dili kapsar. TXT dosyasındaki metin her zaman düz Unicode'dur, her alfabe korunur. Aranabilir PDF'te görünmez metin karakter karakter saklanır; bu yüzden ç, ğ, ı, ş, é, ñ ve ß gibi harfler aranır ve doğru kopyalanır. Sadece temel Batı harflerini destekleyen birçok basit PDF aracında durum böyle değildir.

Zaten metni olan sayfalar ve gizliliğin

Birçok PDF taranmış sayfaları normal sayfalarla karıştırır; örneğin bilgisayarda yazılmış bir üst yazının arkasında taranmış fişler. Araç bir sayfayı okumadan önce sayfada gerçek metin olup olmadığına bakar. Varsa sayfa olduğu gibi bırakılır ve mevcut metni TXT dosyasına girer; böylece ikinci, tekrarlanan bir metin katmanı oluşmaz. Daha önce OCR'dan geçmiş bir PDF de aynı şekilde tanınır.

Her şey cihazında olur. PDF tarayıcında açılır, çizilir ve okunur, hiçbir şey yüklenmez; sözleşmeler, sağlık yazıları ve banka dökümleri için bu önemlidir. İlk kullanımdan sonra dil verisi tarayıcında kalır, araç internetsiz de çalışır. Şifreli PDF'ler açılamaz; önce şifreyi kaldır.