Taranmış PDF nasıl aranabilir yapılır ve sonuç nasıl doğrulanır?

PDF'nin zaten aranabilir olup olmadığını kontrol edin

Dosyayı sıradan bir PDF okuyucuda açın ve sayfada görünen ayırt edici bir sözcüğü arayın. Bir cümleyi seçip düz metin alanına kopyalamayı deneyin. Seçim tek tek sözcükleri izliyor ve yapıştırılan metin doğru görünüyorsa belgede zaten bir metin katmanı vardır.

Bazı taramalarda OCR eksiktir: başlıklar bulunurken gövde metni bulunmayabilir veya metin katmanı görünen sözcüklerden kaymış olabilir. Yalnızca ilk sayfayı değil; sayıları, noktalama işaretlerini ve aksanlı karakterleri de içeren farklı sayfaları test edin.

OCR taranmış sayfaya ne ekler?

OCR sayfa piksellerini analiz ederek karakterleri, sözcükleri ve bazen okuma sırasını tahmin eder. Aranabilir bir PDF'de özgün görsel görünür kalırken tahmin edilen metin yaklaşık aynı konumlarda görünmez olarak saklanır. Bu nedenle kopyalanan metin hatalı olsa bile sayfa kusursuz görünebilir.

Aranabilirlik; düzenlenebilirlik veya erişilebilirlikle aynı şey değildir. Kullanışlı ve erişilebilir bir belge için doğru okuma sırası, dil, başlıklar, tablo yapısı ve gerektiğinde açıklamalar da gerekir. Gerçekten düzenlenebilir bir belge yalnızca görünmez bir katmana değil, dijital sayfa düzeni nesnelerine ihtiyaç duyar.

Tanımadan önce kaynağı iyileştirin

Tanıma; keskin, düzgün yönlendirilmiş, yeterli çözünürlüğe ve dengeli karşıtlığa sahip metinde en iyi sonucu verir. Yana dönmüş sayfaları döndürün, ilgisiz geniş kenarları kırpın ve belirgin perspektif bozulmasını düzeltin. Güçlü eşiklemeyi dikkatli kullanın: koyu baskıyı netleştirirken soluk kurşun kalemi, noktalama işaretlerini veya ince tablo çizgilerini silebilir.

Doğru tanıma dilini seçin ve birden fazla dil içeren belgeleri hesaba katın. Sıradan metin iyi tanınsa bile adların, kodların, az kullanılan kısaltmaların ve tarihî yazı tiplerinin elle düzeltilmesi gerekebilir.

Görünmez metin katmanını doğrulayın

Her belge türünde birkaç sözcük arayın; ardından örnek paragrafları, sayıları ve tablo hücrelerini kopyalayın. Metin seçiminin sütunlar arasında atlamak yerine görünen satırı izlediğini kontrol edin. Ekran okuyucu veya metin çıkarma sırası başlıklar, gövde metni, dipnotlar ve sütunlar arasında anlamlı biçimde ilerlemelidir.

Hakları, parayı, kimliği veya mevzuata uyumu etkileyen kayıtlarda her kritik değeri sayfa görüntüsüyle karşılaştırın. Yüksek bir tanıma puanı yararlı bir işarettir; içeriğin doğru olduğunu kanıtlamaz.

• Adlar, tarihler, tutarlar ve referans numaraları sayfayla eşleşiyor.
• Satır sonundaki kısa çizgiler kopyalanan sözcükleri bozmuyor.
• Çok sütunlu metin okuma sırasıyla çıkarılıyor.
• İçerik kalıcı olarak karartıldığında görünmez metin de kaldırılıyor.
• Sonuç bağımsız bir PDF okuyucuda açılıyor ve aranabiliyor.

Dosya boyutunu ve görsel kaliteyi denetim altında tutun

OCR metni, sayfa görsellerine kıyasla dosya boyutunu genellikle çok az artırır. Boyutu esas olarak görsel çözünürlüğü, renk ve sıkıştırma belirler. Yalnızca önemli en küçük metin okunabilir kaldığı sürece küçültün; PDF'yi tekrar tekrar görsele dönüştürmek bağlantıları, formları, etiketleri ve mevcut dijital metni kaldırabilir.

Arşiv veya kaynak kalitesindeki kopyayı, paylaşım için hazırlanan küçük kopyadan ayrı tutun. Küçük bir PDF kullanışlıdır; ancak sıkıştırma kanıtları kaldırdıysa elinizde kalan tek sürüm bu olmamalıdır.

Doğru sürümü kaydedin

Dokunulmamış taramayı kaynak kopya olarak saklayın. Aranabilir sürümü açık bir dosya adıyla kaydedin; ardından arama ve metin seçiminin çalıştığını doğrulamak için başka bir PDF okuyucuda açın. Paylaşmak için daha küçük bir kopya da gerekiyorsa OCR'ı tekrarlamak yerine kontrol ettiğiniz sürümden oluşturun.

Uzun süre saklanacak kayıtlarda aranabilir kopyanın ne zaman oluşturulduğunu ve hangi sayfaların kontrol edildiğini not edin. Bu küçük kayıt, sonraki düzeltmeleri kolaylaştırır ve günlük kullanım kopyasının özgün dosyayla karıştırılmasını önler.