صور مضغوطة في ملف TXT واحد
ضع صور JPEG في ملف ZIP واحد. ويقرؤها OCR بترتيب أسماء الملفات ويضيف الكلمات المتعرَّف عليها إلى ملف نصي واحد، مع فاصل عند حدود كل صفحة. ويختفي كل ما يتعلق بمظهر الصورة، من إضاءة ولون ورق وخط يد، ولا يبقى إلا الكلمات المنسوخة بترتيب قراءتها.
خطوة التسطيح هذه هي ما يجعل مجلدًا من صور الكاميرا صالحًا للاستخدام في أي أداة تتوقع نصًا كمُدخل، من صيغة في جدول بيانات إلى البحث في سطر الأوامر، ولا تعرف أي منها قراءة ملف JPEG أصلًا. يقسّم سطر علامة ثابت الملف إلى أقسام لكل صورة، والانتقال إلى الصفحة السادسة يعني البحث عن الظهور السادس لتلك العلامة بدلًا من عدّ الفقرات بالعين، وهو أسلوب يظل صالحًا حتى في دفعة ممسوحة تتجاوز خمسين صفحة مصوَّرة.
تقنية OCR للمستندات متعددة الصفحات
عالج مجموعات المستندات كاملة بأدوات OCR متعددة الصفحات لدينا. ضع صور الصفحات في ملف ZIP واحد بأسماء مرتبة حسب الصفحات، واحصل على نتيجة واحدة مجمّعة: PDF قابل للبحث أو مستند Word أو نص بكل الصفحات. وهذا مثالي لرقمنة الكتب والتقارير والمراسلات والسجلات المؤرشفة.
بالنسبة للمستندات الكبيرة، توفر المعالجة الدفعية وقتًا كبيرًا مقارنة بالتحويل صفحة بصفحة. تحافظ أدواتنا على ترتيب الصفحات، وتتعامل مع اختلاف جودة الصور بين الصفحات، وتنتج مخرجًا موحّدًا جاهزًا للمراجعة والاستخدام. يُحفظ التخطيط الأصلي لكل صفحة في المخرج النهائي.
الدقة من دفعة كاميرا
تُحرّك جودة الصورة هذا التحويل أكثر مما تفعل خطوة OCR: فالوهج على صفحة مغلّفة بلاستيكيًا، أو لقطة يدوية مرتجفة، أو إضاءة غير متساوية، كل ذلك قد يُسقط كلمات أو يُشوّه حروفًا، وبخلاف المستند المنسّق، لا يبقى بعد ذلك أي تخطيط بصري يساعدك على معرفة أين أخطأ التعرف.
تصفّح النص الخام مقابل صورة تتذكرها ضبابية أو سيئة الإضاءة قبل الوثوق بالدفعة كاملة؛ فمن السهل تفويت كلمة مفقودة في نص عادي عند قراءة سريعة، لأنه لا يوجد تنسيق مكسور يُشير إلى أن شيئًا ما أخطأ في تلك الصفحة. فاتورة أو جدول بيانات مصوَّر بخطوط أعمدة واضحة يخرج مع ذلك كسلسلة واحدة من الكلمات في ملف .txt، مع وضع القيم بالترتيب من اليسار إلى اليمين الذي مسحت به تقنية OCR الصورة، بحيث يمكن أن يقع مجموع كان تحت عنوان عموده الخاص على الورق مباشرة بجانب كلمة غير ذات صلة بمجرد اختفاء الأعمدة.
التصوير لمخرجات نص عادي
الإضاءة المتساوية والمنتشرة عبر الدفعة بأكملها تهم هنا أكثر مما تهم في تحويل مستند منسّق، لأنه لا يوجد لاحقًا أي تمرير تنسيقي يُخفي صفحة رديئة؛ فالكلمات المفرَّغة هي المخرجات بأكملها، لذا فإن أي شيء تقرأه تقنية OCR خطأً يظهر مباشرة في الملف النهائي. يُحفظ الملف بترميز UTF-8 مع فواصل أسطر بأسلوب Unix، ما يغطي الحروف المُشكَّلة ومعظم الرموز بشكل صحيح لاستيراد سكربت أو جدول بيانات؛ وإذا ظل النص المستورَد يبدو مشوَّهًا، تحقق من أن خطوة الاستيراد نفسها تقرأ UTF-8 بدل الرجوع إلى ترميز افتراضي مختلف.
سمِّ الملفات بترتيب الصفحات (01 و02 و03…) قبل ضغطها في ZIP: فالصفحات تتبع أسماء الملفات، ولا توجد خطوة لإعادة ترتيبها لاحقًا.