OCR لملفات PDF: جعل PDF الممسوح ضوئيًا قابلًا للبحث

طريقة تطبيق OCR على ملف PDF ممسوح ضوئيًا

1. 1

   رفع ملف PDF الممسوح ضوئيًا

   مستند هو في الحقيقة صورة لنص، بحجم يصل إلى 300 ميغابايت و500 صفحة.

2. 2

   اختيار لغة المستند

   اختر حتى ثلاث لغات إذا كان المستند يجمع بينها، وقرر هل تتخطى الصفحات التي تحتوي على نص بالفعل.

3. 3

   تنزيل ملف PDF القابل للبحث

   الصفحات نفسها بالترتيب نفسه، لكن النص صار الآن قابلًا للتحديد والنسخ، ويمكن العثور عليه بالاختصار Ctrl+F.

الصورة تبقى وتحتها طبقة نص

لا يحول التعرف الضوئي على الحروف (OCR) المستند الممسوح إلى نوع آخر من المستندات. فهو يتعرف على الكلمات في كل صفحة، ويضع خلف الصورة التي تراها طبقة نص غير مرئية في مواضع دقيقة. افتح النتيجة فتجدها مثل الأصل، إلا أن الصفحات المائلة تعود مستقيمة (انظر أدناه)، وصار النص قابلًا للتحديد، ويستطيع محرك البحث أو قارئ الشاشة أو اختصار Ctrl+F لديك قراءته. ولا يتغير عدد الصفحات ولا ترتيبها.

ثلاثة أوضاع لثلاث حالات

وضع «تخطي النص الموجود» هو الافتراضي والأكثر أمانًا: تُترك الصفحات التي فيها طبقة نص كما هي، ولا يُتعرف إلا على الصفحات التي هي صورة خالصة. أما «إعادة التعرف الضوئي» فيستبدل طبقة النص الموجودة، وهو مفيد حين يكون تعرف سابق قد أنتج نتيجة رديئة؛ لكنه لا يعمل مع تقويم الصفحات، فأوقف «تقويم الصفحات المائلة» في «إعدادات إضافية» قبل تشغيله. ويتجاهل «فرض التعرف الضوئي» أي نص موجود ويعيد التعرف على كل صفحة بوصفها صورة، وهذا مهم حين تكون طبقة النص موجودة لكنها خاطئة أو مشوهة أو متبقية من تعرف غير صحيح.

التقويم والتدوير والتنظيف قبل التعرف

المستند الممسوح الملتقط بزاوية مائلة قليلًا أو المقلوب رأسًا على عقب يضر كثيرًا بدقة التعرف، لذا يعمل تقويم الميل والتدوير التلقائي افتراضيًا قبل أن يرى Tesseract الصفحة، والصفحة بعد تقويمها هي التي تدخل النتيجة؛ أوقف الخيارين في «إعدادات إضافية» لتبقى كل صفحة كما كانت تمامًا. ويتوفر بشكل منفصل خيار لتنظيف الخلفية في المستندات الممسوحة التي يظهر فيها ملمس الورق أو ما ينفذ من الوجه الآخر، مقابل وقت معالجة أطول قليلًا.

الأسئلة الشائعة

أدلة

• ضغط كتاب ممسوح ضوئيًا: أثر كل مستوى في 60 صفحةسأل مستخدم في أحد المنتديات عن طريقة لتصغير مسح ضوئي لكتاب من 580 صفحة دون أن يتضرر النص. فمررنا مسحًا ضوئيًا من 60 صفحة على كل مستويات أداة ضغط PDF، وفحصنا البكسلات والأحجام والكلمات.
• تحويل PDF إلى Word على Mac بدون Acrobat: ثلاث طرق وما تحفظه كل منهاعلى جهاز Mac تنسخ المعاينة النص، ولا يستطيع Pages فتح ملف PDF، فينتهي الطريق المدمج في النظام إلى النسخ واللصق. إليك ما تحفظه كل طريقة، من التحويل الذي يجريه Word نفسه إلى أداة ويب تعيد بناء الملف بصيغة DOCX على خادمنا.
• تحويل الصفحات الممسوحة ضوئيًا إلى ملف PDF قابل للبحثكاميرا الهاتف والماسح الضوئي المسطح يحلان مشكلتين مختلفتين، ولا يجعل أي منهما النتيجة قابلة للبحث وحده.
• تحويل مجموعة صور إلى ملف PDF واحد مرتب كما يجبمجلد الإيصالات أو الصفحات المصورة يصبح مستندًا صالحًا للاستخدام في خطوتين منفصلتين: جمعه، ثم ضبط الترتيب.
• كيف تبني سلسلة لمعالجة الملفات تعيد استخدامها كل مرةمعظم مهام المستندات الحقيقية تحتاج إلى ثلاث أدوات منفصلة أو أربع تعمل بترتيب محدد، وتكرار ذلك من الذاكرة كل مرة هو ما يؤدي إلى نسيان خطوة.
• لماذا قد يفشل ملف PDF بعد إصلاحه في التحقق من معيار الأرشفةإصلاح ملف PDF لا يُفتح وتجهيزه للأرشفة معياران مختلفان تمامًا. واجتياز أحدهما لا يقول شيئًا عن الآخر.
• تحويل PDF إلى Word والعكس: ما الذي يبقى وما الذي يضيعتحويل ملف PDF إلى Word وتحويل Word إلى PDF ليسا وجهين متطابقين للعملية نفسها. في الاتجاه الأول لا بد من التخمين، وفي الثاني لا حاجة إليه.