Ọrọ PDF Tí A Ṣe Ìwòye Kò Lè Yan - Bí A Ṣe Lè Ṣàtúnṣe Rẹ̀ Pẹ̀lú OCR

Ìdí tí o kò lè yan ọrọ nínú PDF tí a ṣe ìwòye?

Nígbà tí a bá ṣe ìwòye ìwé sísán tí a sì tọ́jú rẹ̀ gẹ́gẹ́ bí PDF, ẹ̀rọ ìwòye gba àwòrán pẹ̀pẹ̀ ti ojú-ìwé - bíi títi àwòrán nìkan. Fáìlì tí a gba kò ní àwọn ọ̀rọ̀ gidi, àwọn piksẹ́l nìkan tí a ṣètò láti dàbí àwọn lẹ́tà. Ìyẹn nì ìdí tí títẹ́ ibikíbi nínú ìwé kò yan ohunkóhun: kò sí àkójọ ọrọ fún àmì rẹ láti mú.

Èyí jẹ́ ọkan nínú àwọn ìnira tí ó ṣàjèjì jùlọ nínú PDF. Ìwé náà dàbí ẹni tí a lè ka rẹ̀ dáadáa lójú ìbòjú, ṣùgbọ́n ní ti gidi àwòrán ni a fi sínú àpò PDF. O kò lè wá nínú rẹ̀, dàwékọ láti inú rẹ̀, tàbí jẹ́ kí olùkà ojú-ìbòjú tú ún ṣe.

Kí ni OCR àti bí o ṣe ń ṣàtúnṣe?

OCR (Optical Character Recognition) jẹ́ ìmọ̀-ẹ̀rọ tí ó ń ṣàyẹ̀wò àwòrán ọrọ tí ó sì ń yí padà sí àwọn ìwé tí ẹ̀rọ lè ka. Ètò náà n wo àwọn ìrísí lẹ́tà, ń fiwé wọn pẹ̀lú àwọn àpẹrẹ tí a mọ̀, tí ó sì ń gbé àkójọ ọrọ jáde tí a fi padà sínú PDF.

Lẹ́yìn ṣíṣe àtúnṣe OCR, o gba PDF tí a lè wá nínú rẹ̀ tí a sì lè yan - kọọkan pẹ̀lú àpilẹ̀kọ, ṣùgbọ́n báyìí àmì rẹ lè ṣàmì ọ̀rọ̀, Ctrl+F lè wá àwọn gbólóhùn, àti dàwékọ-fún ń ṣiṣẹ́ déédéé. Àwọn olùkà ojú-ìbòjú àti àwọn irinṣẹ́ ìráàyèsí lè ka rẹ̀ pẹ̀lú.

Bí a ṣe lè lo OCR sí PDF tí a ṣe ìwòye

Àwọn ọ̀nà púpọ̀ wà láti ṣàfikún OCR sí PDF tí a ṣe ìwòye, láti àwọn irinṣẹ́ aṣàwákiri ọfẹ sí sọ́fítiwéàsí kọ̀mpútà:

• Yí padà sí Word, lẹ́yìn náà tọ́jú gẹ́gẹ́ bí PDF: Ìyípadà wa ti PDF sí Word ń fa àkóónú tó fojúrí jáde tí ó sì ń yí padà sí ìwé Word tí a lè ṣàtúnṣe. Bí ó bá wọ Word, ọrọ náà ni a lè yan pátápátá. O lè tún fi ìpadàsílẹ̀ rẹ̀ ránṣẹ́ sí PDF pẹ̀lú àkójọ ọrọ tó yẹ.
• Adobe Acrobat (tí a san owó fún): Irinṣẹ́ àgbáyé tí o gbajúmọ̀. Ṣí PDF, lọ sí Tools → Scan & OCR → Recognize Text, Acrobat sì ń ṣàfikún àkójọ ọrọ tààrà. O ga ní owó ṣùgbọ́n ó péye gidigidi.
• Google Drive (ọfẹ): Gbe PDF rẹ tí a ṣe ìwòye sí Google Drive, tẹ ọ́ lọ́tún, tí o sì yan "Open with Google Docs." Google ń ṣe OCR fúnra rẹ̀ tí ó sì ń ṣí ọrọ nínú ìwé Docs. Ó ń ṣiṣẹ́ dáadáa fún àwọn ìwòye tó mọ́.
• Tesseract OCR (ọfẹ, orísun ìṣí): Ẹ̀rọ OCR ìlà àṣẹ alágbára tí ọ̀pọ̀ àwọn àpèjúwe ń lò. Ó dára jùlọ fún àwọn olùpilẹ̀ṣẹ̀ tàbí àwọn olùmúlò ìmọ̀-ẹ̀rọ tí fẹ́ ojútùú ọfẹ tí ara ẹni lò.
• Adobe Acrobat lórí àyelújára (ọfẹ ní ìwọ̀nba): Adobe ń pèsè ṣíṣe àtúnṣe OCR ọfẹ ní ìwọ̀nba nípasẹ̀ àwọn irinṣẹ́ wọn lórí àyelújára fún àwọn olùmúlò tí kò ní ìforúkọsílẹ̀.

Àwọn ìmọ̀ràn fún ìtọ́kasí OCR tó dára jùlọ

Ìdáríjì OCR dára lórí ìdáríjì ìwòye àpilẹ̀kọ gidigidi. Tẹ̀lé àwọn ìmọ̀ràn wọ̀nyí láti gbéga ìtọ́kasí:

• Ṣe ìwòye ní 300 DPI tàbí gíga sí i: Àwọn ìwòye ìtọ́kasí kéékéèyé ń ṣe àwọn ìwé tí kò dán mọ́rọ̀ tí àwọn ẹ̀rọ OCR ń ka àṣìṣe. 300 DPI ni ìkéré àárọ; 600 DPI ni ó dára fún ọrọ kéékéèyé tàbí àwọn ìwé àlàyé.
• Lo dúdú-àti-funfun fún àwọn ìwé ọrọ: Àwọn ìwòye àwọ ń ṣàfikún ìwọ̀n fáìlì láìsí ìlọsíwájú ìtọ́kasí OCR fún ọrọ lásán. Dúdú-àti-funfun tàbí grẹ̀ fẹ́lẹ̀fẹ̀lẹ̀ tó to fún ọ̀pọ̀ àwọn ìwé.
• Pa àwọn ojú-ìwé mọ́ sí ìhà títọ́: Àwọn ojú-ìwé tí o tì tàbí tó wó ń dapo sọ́fítiwéàsí OCR. Àwọn irinṣẹ́ òde òní púpọ̀ lè ṣàtúnṣe ara wọn, ṣùgbọ́n bẹ̀rẹ̀ tí ó tọ ń ràn lọ́wọ́.
• Yẹra fún àwọn àmì kọfí àti àwọn imò: Àwọn àmì físíkà lórí ìwé ni a ka àṣìṣe gẹ́gẹ́ bí ìwé. Mọ àpilẹ̀kọ bí ó bá ṣeéṣe.
• Ṣayẹwo àbájáde: OCR kò pé 100%. Ṣe àtúnyẹ̀wò àbájáde nígbọgbọ, ní pàtàkì fún àwọn nọ́mbà, àmì àfọ̀kànsí, àti àwọn apá tí a kọ pẹ̀lú ọwọ́.

Lẹ́yìn OCR: dín ìwọ̀n fáìlì kù bí ó bá nílò

Ṣíṣe àtúnṣe OCR lẹ́ẹ̀kọ̀ọ̀kan lè ṣàfikún ìwọ̀n fáìlì PDF nítorí pé ó ń ṣàfikún àkójọ ọrọ tó farapamọ́ lórí àkójọ àwòrán tó wà tẹ́lẹ̀. Bí fáìlì àbájáde rẹ bá tóbi jù, lo ẹ̀rọ àgbèmo PDF wa láti dín ìwọ̀n kù láìsí àánú ìdáríjì ojú.

Báwo ni bí OCR kò bá mọ ọrọ dáadáa?

Ìtọ́kasí OCR dára lórí ìdáríjì ìwòye àpilẹ̀kọ. Àwọn àbájáde tó burú ń ṣàjèjì pẹ̀lú: àwọn fonti kéékéèyé (ní ísàlẹ̀ 8pt), ọrọ tí a kọ pẹ̀lú ọwọ́, àwọn fonti àṣàtúnṣe tàbí aláìsàán, inki tó rẹ̀wẹ̀sì, tàbí àwọn ìwòye ìdáríjì kéré sí ísàlẹ̀ 200 DPI. Nínú àwọn ìṣẹ̀lẹ̀ wọ̀nyí, títúnkọ pẹ̀lú ọwọ́ lè jẹ́ dandan - tàbí títúnṣe ìwòye ìwé àpilẹ̀kọ ní ìdáríjì tó ga sí i ṣáájú kíkọ OCR lẹ́ẹ̀kan si.