PDF إلى PDF

تحوّل تقنية OCR (التعرف الضوئي على الحروف) صفحات PDF الممسوحة ضوئيًا، وهي مجرد صور للنص، إلى ملفات PDF قابلة للبحث والتحديد. يبدو المخرج مطابقًا للأصل لكنه يحتوي على طبقة نص مخفية. يمكنك الآن البحث عن كلمات، ونسخ فقرات، واستخدام قارئات الشاشة. يبقى المظهر البصري كما هو؛ ويصبح النص فقط قابلًا للوصول.

ملفات PDF الممسوحة ضوئيًا هي صور رقمية؛ لا يمكنك البحث في النص أو نسخه أو فهرسته. تتيح ملفات PDF القابلة للبحث البحث الكامل في النص، والنسخ واللصق للاقتباسات، وتفعّل ميزات إمكانية الوصول لضعاف البصر، وتسمح لمحركات البحث بفهرسة المحتوى. بالنسبة للمستندات الأرشيفية والقانونية والبحثية، تُعد قابلية البحث أمرًا أساسيًا. دون OCR، يبقى ملف PDF الخاص بك مجرد صورة مغلقة.

اختر لغة المستند ليُستخدم نموذج التعرف المناسب: الحروف اللاتينية أو السيريلية أو اليونانية أو العربية أو الفارسية أو الديفاناغارية أو الصينية أو اليابانية أو الكورية أو التايلاندية، أي 29 لغة في المجموع. الصفحة التي تحمل نظامين كتابيين تُقرأ باللغة التي اخترتها، فشغّلها مرتين إذا كان النظامان مهمّين.

تمنح عمليات المسح النظيفة عالية التباين (300 DPI، ومحاذاة مستقيمة، ونص أسود على خلفية بيضاء) أفضل النتائج. أما عمليات المسح الرديئة، كالصفحات المائلة والحبر الباهت والخلفيات الملونة والكتابة اليدوية، فتُنتج أخطاء أكثر بشكل ملحوظ. جهّز المسح مسبقًا: قوّم الصفحات، وارفع التباين، وأزل الظلال. وكثيرًا ما تفشل نسخ النسخ المصوّرة في OCR. وللمستندات المهمة، أعد المسح بدقة 300-600 DPI إن أمكن.

بقدر طفيف فقط: في اختبارنا زاد حجم فاتورة ممسوحة ضوئيًا بنسبة 0.1% وكشف حساب بنكي ممسوح بنسبة 4.7%. يُبنى ملف PDF القابل للبحث من صور الصفحات مع طبقة نص غير مرئية، لذا يتبع حجمه المسح الضوئي لا النص. وإن كان الناتج أكبر من أن يُرسل، فمرّره عبر أداة ضغط PDF؛ وستبقى طبقة النص قابلة للبحث.

لا يخلو OCR من الأخطاء أبدًا: في اختبارنا على 10 صفحات من مستندات روسية حقيقية ممسوحة ضوئيًا، بلغ معدل الخطأ في الأحرف 5.6% في عقد و7.6% في كشف حساب بنكي يحتوي على جداول، وتكون النتائج أسوأ مع المسح الرديء أو الكتابة اليدوية. من الأخطاء الشائعة: الخلط بين '0' و'O'، وبين '1' و'l'، أو إساءة قراءة الخطوط الزخرفية. راجع دائمًا المستندات المهمة كالعقود والمذكرات القانونية والأبحاث الأكاديمية. وفي الاستخدامات الحساسة، تحقّق يدويًا من الأرقام والأسماء والتواريخ الأساسية. يُعد OCR ممتازًا للأرشفة بكميات كبيرة، لكنه ليس معصومًا من الخطأ في الأعمال التي تتطلب دقة عالية.