Anda memindai dokumen, mengonversinya ke Word, dan membuka hasilnya - hanya untuk menemukan halaman kosong, satu gambar tersemat, atau karakter kacau. Ini adalah salah satu kefrustrasian PDF yang paling umum, dan penyebabnya hampir selalu sama: PDF tersebut berisi hasil pindaian, bukan teks sungguhan.
PDF asli vs. PDF hasil pindaian: perbedaan utamanya
Ada dua jenis file PDF yang secara fundamental berbeda:
- PDF asli (digital)dibuat oleh perangkat lunak - Word, Google Docs, Acrobat, atau driver pencetak. Teksnya disimpan sebagai data karakter yang sebenarnya di dalam file. Saat Anda mengonversi jenis PDF ini ke Word, konverter membaca karakternya secara langsung. Hasilnya biasanya akurat, dan formatnya sebagian besar tetap terjaga.
- PDF hasil pindaianadalah foto dari sebuah halaman. Pemindai menangkap gambar. Perangkat lunak PDF membungkus gambar itu dalam amplop PDF. Tidak ada data teks di dalamnya - hanya piksel. Konverter PDF ke Word yang membuka file ini melihat gambar, bukan karakter. Konverter tidak dapat menghasilkan teks yang dapat diedit dari sebuah gambar.
Cara mengetahui jenis PDF yang Anda miliki
Buka PDF dan coba pilih sebuah kata dengan kursor Anda. Jika Anda bisa menyorot kata-kata satu per satu dan menyalinnya ke papan klip, itu adalah PDF asli (native). Jika kursor memilih seluruh halaman sebagai satu blok - atau tidak melakukan apa-apa sama sekali - itu adalah PDF hasil pindaian (scanned).
Yang Anda butuhkan: OCR
Mengubah PDF hasil pindaian menjadi teks yang dapat diedit memerlukan Optical Character Recognition (OCR) - perangkat lunak yang menganalisis gambar dan mengidentifikasi huruf, kata, serta struktur paragraf. OCR dijalankan sebagai langkah terpisah sebelum atau sebagai pengganti konversi ke Word.
Alat yang dapat melakukan OCR pada PDF hasil pindaian:
- Google Docs- unggah PDF ke Google Drive, klik kanan -> Open with Google Docs. Google menjalankan OCR secara otomatis. Kualitasnya bervariasi tetapi baik untuk dokumen yang bersih dan hasil pindaiannya bagus.
- Adobe Acrobat Pro- Tools -> Enhance Scans -> Recognize Text. Hasilnya akurat, tetapi memerlukan langganan berbayar.
- Microsoft OneNote- sisipkan PDF sebagai gambar printout, klik kanan -> Copy Text from Picture. Bekerja halaman demi halaman; tidak mempertahankan format.
Setelah dokumen diproses OCR, dokumen tersebut dapat dikonversi ke Word dengan hasil yang jauh lebih baik. GunakanPDF ke Word dari Pagivosetelah langkah OCR saat Anda membutuhkan DOCX yang dapat diedit.
Mendapatkan hasil OCR terbaik
Akurasi OCR sangat bergantung pada kualitas pemindaian. Tiga alasan paling umum mengapa OCR menghasilkan output tidak dapat dibaca:
- Resolusi terlalu rendah.Apa pun di bawah 150 DPI membuat pengenalan karakter tidak andal. 300 DPI adalah batas minimum praktis untuk hasil yang konsisten dan baik.
- Kemiringan halaman.Bahkan kemiringan dua derajat saja membuat deteksi batas karakter menjadi ambigu. Sebagian besar perangkat lunak pemindai memiliki opsi auto-deskew - aktifkan jika tersedia.
- Konten yang ditulis tangan.OCR dilatih pada teks cetak. Pengenalan tulisan tangan merupakan masalah tersendiri yang jauh lebih sulit. Alat OCR standar akan menghasilkan output yang buruk pada halaman tulisan tangan.
Jika Anda hanya perlu mencari, bukan mengedit
Jika Anda hanya perlu menemukan teks di dalam dokumen dan bukan mengeditnya, Anda tidak perlu mengonversi ke Word sama sekali. Tujuan dalam hal ini adalah membuat PDF dapat dicari - dengan menambahkan lapisan teks tersembunyi di atas gambarnya - bukan mengekstrak teks ke format baru. Setelah PDF memiliki lapisan teks, Ctrl+F berfungsi normal di sebagian besar penampil PDF. Anda juga dapat menggunakanAsk PDFdan minta ia membuat PDF OCR yang dapat dicari.
Mengapa kualitas pemindaian asli lebih penting daripada alatnya
Tidak ada perangkat lunak konversi yang dapat memulihkan detail yang tidak tertangkap oleh pemindai. Hasil pemindaian yang buram atau kurang terang dari fotokopi yang pudar akan menghasilkan output Word yang buram, tidak peduli alat apa yang Anda gunakan. Perbaikan yang paling berdampak yang bisa Anda lakukan selalu adalah memindai ulang dokumen dengan resolusi lebih tinggi dan pencahayaan lebih baik jika sumber aslinya tersedia.