Rubutun PDF da aka Bincika Ba'a Iya Zaɓansa ba - Yadda Ake Gyara shi da OCR

Me ya sa ba za ka iya zaɓar rubutu a cikin PDF da aka bincika ba?

Lokacin da aka bincika takarda ta zahiri kuma aka ajiye ta a matsayin PDF, na’urar bincike tana ɗaukar hoton fage na shafi - kamar ɗaukar hoto kawai. Fayil ɗin da ya fito bai ƙunshi haruffa na gaske ba, kawai pixels da aka tsara su kama kamar haruffa. Shi ya sa danna ko’ina a cikin takarda ba ya zaɓar komai: babu ɓangaren rubutu don madannin naka ya kama.

Wannan yana ɗaya daga cikin matsaloli na yau da kullun na PDF. Takardar tana kama suna iya karantawa sosai a allo, amma a zahiri hoto ce da aka haɗa a cikin wuri na PDF. Ba za ka iya bincika ta, kwafa daga gare ta, ko ba karɓa mai karanta allo sukar ta.

Menene OCR kuma yadda yake gyarawa?

OCR (Optical Character Recognition) fasaha ce da ke nazarin hoton rubutu kuma tana canza shi zuwa haruffa na gaske da na’ura za ta iya karanta. Shirin yana duba siffofin haruffa, yana kwatanta su da tsare-tsaren da aka sani, kuma yana fitar da ɓangaren rubutu da aka haɗa shi da faya-fayan PDF.

Bayan sarrafa OCR, kana samun PDF da za’a iya bincika shi da zaɓa shi - iri ɗaya da asali a gani, amma yanzu madannin ka na iya haskawa kalmomi, Ctrl+F na iya nemo jimloli, kuma kwafa-liƙa yana aiki yadda ya kamata. Masu karanta allo da kayan aikin samun damar shiga su ma za su iya karanta ta.

Yadda ake amfani da OCR a kan PDF da aka bincika

Akwai hanyoyi da yawa na ƙara OCR zuwa PDF da aka bincika, daga kayan aikin burauzar kyauta zuwa software na tebur:

• Canza zuwa Word, sannan ajiye kamar PDF: Na’urar canza namu na PDF zuwa Word tana ɗebo abun ciki na gani kuma tana canza shi zuwa takarda Word da za a iya shirya. Da zarar ta shiga Word, rubutun ana iya zaɓa shi gaba ɗaya. Kana iya fitar da shi zuwa PDF tare da ɓangaren rubutu daidai.
• Adobe Acrobat (mai biyan kuɗi): Kayan aikin masana’antu na yau da kullun. Buɗe PDF, je Tools → Scan & OCR → Recognize Text, kuma Acrobat yana ƙara ɓangaren rubutu kai tsaye. Yana da tsada amma yana daidai ƙwarai.
• Google Drive (kyauta): Loda PDF ɗin ka da aka bincika zuwa Google Drive, danna dama a kai, kuma zaɓi "Open with Google Docs." Google yana gudanar da OCR ta atomatik kuma yana buɗe rubutun a cikin takarda ta Docs. Yana aiki da kyau sosai don bincike na tsafta.
• Tesseract OCR (kyauta, buɗaɗɗen tushe): Injin OCR na layin umarni mai ƙarfi da ake amfani da shi ta hanyar aikace-aikace da yawa. Mafi kyau ga masu haɓaka ko masu amfani na fasaha waɗanda ke son mafita ta kyauta da aka sarrafa da kai.
• Adobe Acrobat akan layi (limited kyauta): Adobe yana ba da iyakantaccen sarrafa OCR na kyauta ta kayan aikin su na kan layi ga masu amfani ba tare da biyan kuɗi ba.

Shawarwari don ingantacciyar daidaito na OCR

Ingancin OCR yana dogara sosai kan ingancin bincike na asali. Bi waɗannan shawarwari don ƙara daidaito:

• Bincika a 300 DPI ko sama: Bincike mai ƙarancin ƙuduri yana samar da haruffa masu duhu waɗanda injunan OCR ke karantawa da kuskure. 300 DPI shine mafi ƙanƙantar; 600 DPI yana da kyau ga ƙaramin rubutu ko takardu masu dalla-dalla.
• Yi amfani da baƙi-da-fari don takardu na rubutu: Bincike na launi yana ƙara girman fayil ba tare da inganta daidaito na OCR don rubutu na yau da kullun ba. Baƙi-da-fari ko launin toka yana isa don mafi yawan takardu.
• Kiyaye shafuka a siffar daidai: Shafuka masu karkata ko baci suna rikita software na OCR. Yawancin kayan aikin zamani na iya gyara kansu ta atomatik, amma farawa daidai yana taimakawa.
• Guji tabo na kofi da kazanta: Alamomin zahiri a kan takarda ana karantawa da kuskure kamar haruffa. Tsabtace asali idan zai yiwu.
• Duba fitarwar: OCR ba shi da daidaito 100%. Koyaushe duba sakamakon, musamman don lambobi, alamomin rubutu, da sassa da aka rubuta da hannu.

Bayan OCR: rage girman fayil idan ya zama dole

Sarrafa OCR wani lokaci na iya ƙara girman fayil na PDF saboda tana ƙara ɓangaren rubutu da aka ɓoye a saman ɓangaren hoto da ke wanzu. Idan fayil ɗin da ya fito yana da girma sosai, yi amfani da matattara PDF namu don rage girman ba tare da rasa ingancin gani ba.

Menene idan OCR ba ta gane rubutun daidai ba?

Daidaito na OCR yana dogara kan ingancin bincike na asali. Ƙarancin sakamako ya zama gama-gari da: ƙaramin fonti ƙwarai (ƙasa da 8pt), rubutun hannu, adon ko ba na yau da kullun ba na fonti, tawada mai ɓacewa, ko ƙarancin ingancin bincike ƙasa da 200 DPI. A waɗannan lokuta, sake rubutawa da hannu na iya zama dole - ko sake bincika takardar asali a ingancin mafi girma kafin gudanar da OCR sake.