Taranmış PDF aranabilir hâle nasıl getirilir?
Taranmış bir PDF aslında üst üste dizilmiş fotoğraflardır. Sen okuyabilirsin, ama bilgisayarın okuyamaz: arama hiçbir şey bulmaz, metin seçmeye çalıştığında bütün sayfa resim olarak seçilir. OCR her sayfadaki harfleri tanıyıp bilgisayarın anlayacağı metin olarak saklayarak bu sorunu çözer.
Dosyanı seç, içinde basılı olan dilleri işaretle ve çıktı olarak Aranabilir PDF seçili kalsın. Araç her sayfayı yüksek çözünürlükte işler, metni tanır, sonra orijinal sayfadaki kelimelerin tam üzerine görünmez bir metin katmanı yerleştirir. Sonuç her PDF okuyucuda açılır. Taramanla birebir aynı görünür, ama arama, metin seçme ve kopyalama artık çalışır; bilgisayarındaki dosya araması da onu içeriğinden bulabilir.
Zaten gerçek metin içeren sayfalar, örneğin geri kalanı taranmış bir dosyadaki yazılı kapak sayfası, olduğu gibi bırakılır; aynı kelimeler asla iki kez eklenmez.
İpucu: Yalnızca belgede gerçekten bulunan dilleri işaretle. Her ek dil tanımayı biraz yavaşlatır ve motora yanlış kelimeyi tahmin etmek için daha fazla fırsat verir. Türkçe bir belge için yalnızca Türkçeyi seçmek ğ, ş, ı ve İ harflerinin doğru çıkmasına yardımcı olur.
Taranmış PDF metne nasıl çevrilir?
Çıktı olarak Metin dosyası (.txt) seç. Her sayfadaki kelimeleri içeren tek bir düz metin dosyası alırsın, sayfalar arasında boş bir satır bulunur. Taranmış bir resmî yazıdan alıntı yapman, bir belgeyi tercüme ettirmen ya da eski bir rapordaki rakamları tabloya aktarman gerektiğinde çok işe yarar.
Düzeniyle birlikte düzenleyebileceğin bir belge istiyorsan sonraki adım, aranabilir PDF’yi Word’e çevirmektir. Hiç taranmamış dosyalar için, örneğin Word’den dışa aktarılmış bir PDF’de, OCR’a hiç gerek yoktur: metni doğrudan çıkarmak hem daha hızlı hem de birebir doğrudur.
Taramalarda ve telefon fotoğraflarında OCR ne kadar doğru?
Temiz ve düz taranmış basılı metinde tanıma genellikle çok iyidir. Girdi zor okunduğunda doğruluk düşer, bu yüzden motorun nerede zorlandığını bilmek işine yarar:
- Düşük çözünürlük. 300 DPI ile tara. Yakınlaştırdığında bulanık görünen yazı tahmin edilir.
- Eğik ya da kıvrık sayfalar. Kitap sırtının fotoğrafları ya da yamuk telefon çekimleri satır algılamayı şaşırtır. Önce sayfayı düzelt.
- El yazısı. Motor basılı harflerle eğitilmiştir. Düzgün büyük harfler işe yarayabilir, bitişik el yazısı çoğunlukla tanınmaz.
- Kaşeler, filigranlar ve renkli arka planlar. Bunların üzerindeki yazıyı arka plandan ayırmak daha zordur.
- Tablolar ve çok sütunlu sayfalar. Kelimeler bulunur, ama .txt dosyasındaki okuma sırası sütunlar arasında atlayabilir.
Sonuçtaki isimleri, rakamları ve tutarları kullanmadan önce her zaman kontrol et.
Gizli belgelerde online OCR güvenli mi?
Burada güvenli, çünkü belge hiç yüklenmez. Çoğu online OCR hizmeti dosyanı bir sunucuya gönderir, tanımayı orada yapar ve bir kopyayı bir süre saklar. Bu sayfa ise tanıma motorunu ve dil verisini tarayıcına indirir, bütün iş kendi telefonunda ya da bilgisayarında yürür.
Bunu doğrulayabilirsin: OCR çalıştırırken tarayıcının geliştirici araçlarında Ağ (Network) sekmesini aç. İlk seferde motor dosyalarının geldiğini görürsün, ama PDF’n hiçbir yere gönderilmez. Bu, insanların genellikle taradığı belgeler için önemlidir: kimlik kartları, vergi beyannameleri, banka ekstreleri, sağlık raporları ve imzalı sözleşmeler.
Hangi diller tanınabiliyor?
On yedi dil mevcut (listeyi araçta görebilirsin) ve karışık belgeler için birkaçını birlikte işaretleyebilirsin, örneğin İngilizce maddeler içeren Türkçe bir kira sözleşmesi ya da Almanya’daki bir şirketten gelen Almanca bir fatura. Modeller, Tesseract dil verisinin doğruluğu yüksek “best” sürümleridir; daha küçük bir tam sayı biçiminde paketlendikleri için hızlı iner ve isabetli kalırlar.