Bir belgeyi tararsınız, Word'e dönüştürür ve sonucu açarsınız - ama karşınıza boş bir sayfa, tek bir gömülü resim veya bozuk karakterler çıkar. Bu, en yaygın PDF sorunlarından biridir ve nedeni neredeyse her zaman aynıdır: PDF gerçek metin değil, tarama içerir.
Doğal PDF mi, taranmış PDF mi: temel fark
Temelde farklı iki tür PDF dosyası vardır:
- Doğal (dijital) PDF'lerWord, Google Docs, Acrobat veya bir yazıcı sürücüsü gibi yazılımlar tarafından oluşturulur. Metin, dosyanın içinde gerçek karakter verisi olarak saklanır. Bu tür bir PDF'yi Word'e dönüştürdüğünüzde, dönüştürücü karakterleri doğrudan okur. Sonuçlar genellikle doğrudur ve biçimlendirme büyük ölçüde korunur.
- Taranmış PDF'lerbir sayfanın fotoğraflarıdır. Tarayıcı bir görüntü yakalar. PDF yazılımı bu görüntüyü bir PDF zarfına sarar. İçinde metin verisi yoktur - yalnızca pikseller vardır. Bu dosyayı açan bir PDF-to-Word dönüştürücü, karakterleri değil bir görüntü görür. Bir görüntüden düzenlenebilir metin üretemez.
Nasıl anlarsınız hangi tür PDF'ye sahip olduğunuzu
PDF'i açın ve imlecinizle bir kelime seçmeye çalışın. Tek tek kelimeleri vurgulayıp panoya kopyalayabiliyorsanız, bu yerel bir PDF'tir. İmleç tüm sayfayı tek bir blok olarak seçiyorsa - ya da hiçbir şey yapmıyorsa - bu taranmış bir PDF'tir.
İhtiyacınız olan: OCR
Taranmış bir PDF'i düzenlenebilir metne dönüştürmek, görüntüyü analiz eden ve harfleri, kelimeleri ve paragraf yapısını tanımlayan Optik Karakter Tanıma (OCR) gerektirir. OCR, Word'e dönüştürmeden önce veya onun yerine ayrı bir adım olarak çalışır.
Taranmış bir PDF'i OCR'layabilen araçlar:
- Google Docs- PDF'i Google Drive'a yükleyin, sağ tıklayın -> Google Docs ile aç. Google OCR'ı otomatik olarak çalıştırır. Kalite değişkendir ancak temiz, düzgün taranmış belgeler için iyidir.
- Adobe Acrobat Pro- Araçlar -> Taramaları Geliştir -> Metni Tanı. Doğru sonuçlar verir ancak ücretli bir abonelik gerektirir.
- Microsoft OneNote- PDF'i yazdırma çıktısı görüntüsü olarak ekleyin, sağ tıklayın -> Resimden Metin Kopyala. Sayfa sayfa çalışır; biçimlendirmeyi korumaz.
Bir belge OCR ile işlendikten sonra, çok daha iyi sonuçlarla Word'e dönüştürülebilir. Şunu kullanınPagivo PDF to Wordaracını, düzenlenebilir bir DOCX dosyasına ihtiyacınız olduğunda OCR adımından sonra kullanın.
En iyi OCR sonuçlarını elde etmek
OCR doğruluğu büyük ölçüde tarama kalitesine bağlıdır. OCR'ın bozuk çıktı üretmesinin üç en yaygın nedeni:
- Çözünürlük çok düşük.150 DPI'nin altındaki her şey karakter tanımayı güvenilmez hale getirir. Sürekli iyi sonuçlar için pratik minimum 300 DPI'dır.
- Sayfa eğikliği.İki derecelik bir eğim bile karakter sınırı tespitini belirsizleştirir. Çoğu tarayıcı yazılımında otomatik eğiklik düzeltme seçeneği bulunur - varsa etkinleştirin.
- El yazısı içerik.OCR basılı metin üzerinde eğitilmiştir. El yazısı tanıma ayrı ve önemli ölçüde daha zor bir problemdir. Standart OCR araçları el yazısı sayfalarda zayıf çıktı üretir.
Yalnızca düzenlemek değil, aramak istiyorsanız
Belgenin içinde metin bulmanız gerekiyorsa ancak onu düzenlemeniz gerekmiyorsa, Word'e dönüştürmenize hiç gerek yoktur. Bu durumda amaç, metni yeni bir biçime çıkarmak yerine PDF'i aranabilir hale getirmektir - görsellerin üzerine gizli bir metin katmanı eklemek. PDF bir metin katmanına sahip olduğunda, çoğu PDF görüntüleyicide Ctrl+F normal şekilde çalışır. Ayrıca şunu da kullanabilirsiniz:PDF'e Sorve üzerinde aranabilir bir OCR PDF'i oluşturmasını isteyin.
Aracın kendisinden daha önemli olansa özgün tarama kalitesi
Hiçbir dönüştürme yazılımı, tarayıcı tarafından yakalanmamış ayrıntıları geri getiremez. Solmuş bir fotokopinin bulanık veya yetersiz ışıklı taranmış hali, hangi aracı kullanırsanız kullanın kötü bir Word çıktısı üretecektir. Yapabileceğiniz en etkili iyileştirme, kaynak belge mevcutsa her zaman belgeyi daha yüksek çözünürlükte ve daha iyi ışıklandırma ile yeniden taramaktır.