Scanned PDF vs Αναζήτηση PDF: Ποια είναι η διαφορά;
Ελέγξτε αν οι σελίδες περιέχουν εικόνες, ένα στρώμα κειμένου, ή και τα δύο.
Εισαγωγή
Δύο PDF μπορούν να φαίνονται πανομοιότυπα, αλλά συμπεριφέρονται διαφορετικά. Σε ένα, μπορείτε να τονίσετε και να αναζητήσετε λέξεις. Σε μια άλλη, κάθε σελίδα συμπεριφέρεται σαν φωτογραφία. Η διαφορά είναι συνήθως αν το PDF περιέχει χρήσιμες πληροφορίες κειμένου.
Τι είναι το Scanned PDF;
Ένα σαρωμένο PDF γίνεται συχνά με σάρωση χάρτινων σελίδων ή φωτογράφισή τους και αποθήκευση των εικόνων σε ένα PDF. Τα ορατά γράμματα είναι εικονοστοιχεία, όχι απαραίτητα πραγματικοί χαρακτήρες κειμένου. Χωρίς ένα στρώμα κειμένου, γενικά δεν μπορείτε να αναζητήσετε ή να αντιγράψετε τις λέξεις απευθείας.
Τι είναι ένα αναζητήσιμο PDF;
Ένα αναζητήσιμο PDF περιέχει κείμενο που μπορεί να βρει ένας συμβατός αναγνώστης. Μπορεί να έχει εξαχθεί απευθείας από το Word, ή μπορεί να είναι μια σάρωση με ένα OCR-δημιουργημένο στρώμα κειμένου. Μια αναζητήσιμη σάρωση μπορεί να διατηρήσει την αρχική εικόνα της σελίδας ενώ προσθέτει αόρατο αναγνωρισμένο κείμενο.
Η αναζήτηση δεν εγγυάται ακριβή αναγνώριση, δυνατότητα επεξεργασίας ή προσβασιμότητα.
Βασικές διαφορές
| Χαρακτηριστικό | Σκανάρισμα μόνο εικόνας | Αναζήτηση PDF |
|---|---|---|
| Ορατή εμφάνιση | Σελίδα εικόνων | Ψηφιακές σελίδες ή σαρωμένες εικόνες |
| Αναζήτηση λέξεων | Συνήθως όχι. | Συνήθως ναι. |
| Αντιγραφή κειμένου | Απαιτεί OCR | Συχνά είναι δυνατόν. |
| Σφάλματα αναγνώρισης | Κανένα αναγνωρισμένο κείμενο | Πιθανή με OCR |
| Επεξεργασία διάταξης | Όχι άμεσα. | Όχι απαραίτητα. |
| Προσβασιμότητα | Περιορισμένη | Απαιτεί πρόσθετη δομή |
Πώς να αναγνωρίσετε PDF σας
Πρώτα, προσπάθησε να διαλέξεις μια λέξη. Στη συνέχεια, χρησιμοποιήστε το Βρείτε για να αναζητήσετε μια χαρακτηριστική φράση. Τέλος, επικολλήστε το κείμενο σε έναν επεξεργαστή απλού κειμένου και συγκρίνετε το με τη σελίδα. Αποτυχημένη αναζήτηση μπορεί επίσης να προκύψει από κακή κωδικοποίηση, έτσι δεν υπάρχει μόνο δοκιμή είναι οριστική.
Πώς να κάνετε μια σάρωση αναζητήσιμη
Βήμα 1: Ετοιμάστε τις σελίδες
Χρησιμοποιήστε σαφείς, όρθιες σαρώσεις με επαρκή αντίθεση. Αποφύγετε κομμένες άκρες, σκιές, και θολή κίνηση.
Βήμα 2: Επιλέξτε το λογισμικό OCR
Επιλέξτε ένα εργαλείο που υποστηρίζει ρητά την Οπτική Αναγνώριση Χαρακτήρων και τη γλώσσα του εγγράφου. Δεν περιλαμβάνει κάθε μετατροπέα PDF περιλαμβάνει OCR.
Το PDFreevert δεν παρέχει προς το παρόν OCR. Χρησιμοποιήστε μια ξεχωριστή εφαρμογή OCR-κατάλληλη για να κάνετε την αναζήτηση μόνο εικόνας.
Βήμα 3: Αναγνώριση κειμένου
Τρέξε OCR. Ανάλογα με το εργαλείο, η έξοδος μπορεί να είναι ένα αναζητήσιμο PDF ή ένα επεξεργάσιμο έγγραφο.
Βήμα 4: Επαλήθευση ακρίβειας
Αναζήτηση διαφόρων φράσεων και αντιγραφή αντιπροσωπευτικού κειμένου. Ελέγξτε ονόματα, ημερομηνίες, σύνολα και αναγνωριστικά προσεκτικά. OCR μπορεί να συγχέει χαρακτήρες όπως O και 0.
Βήμα 5: Διατήρηση του αρχικού
Διατηρήστε την αρχική σάρωση για αναφορά, ειδικά όταν η ακρίβεια ή η καταγραφή της ακεραιότητας έχει σημασία.
Ποιο Είδος Πρέπει να Χρησιμοποιείτε;
Μόνο εικόνες-μόνο PDFs μπορεί να είναι επαρκής για την απλή οπτική κοινή χρήση. Τα αναζητήσιμα PDF είναι πιο χρήσιμα για έρευνα, συλλογές εγγράφων και ανάκτηση πληροφοριών. Εάν χρειαστεί να επεξεργαστείτε παραγράφους ή να εξαγάγετε πίνακες, πρόσθετη μετατροπή και επαλήθευση μπορεί να είναι απαραίτητη.
Κοινά προβλήματα OCR
Οι σελίδες πολλαπλών στηλών μπορούν να παράγουν λανθασμένη σειρά ανάγνωσης. Η γραφή και οι ασυνήθιστες γραμματοσειρές μπορεί να αναγνωριστούν ανεπαρκώς. Ένα στρώμα κειμένου μπορεί να περιέχει λάθη ακόμη και ενώ η ορατή σάρωση φαίνεται τέλεια. Η δυνατότητα αναζήτησης επίσης δεν αντικαθιστά την προσβάσιμη σήμανση και τη λογική σειρά ανάγνωσης.
Συχνές ερωτήσεις
Μπορεί ένα σαρωμένο PDF να γίνει αναζητήσιμο;
Ναι, προσθέτοντας αναγνωρισμένο κείμενο μέσω OCR.
Το OCR αλλάζει πάντα την εμφάνιση;
Όχι. Μερικές ροές εργασίας διατηρούν τις αρχικές εικόνες σελίδας.
Είναι ένα αναζητήσιμο PDF πλήρως επεξεργάσιμο;
Όχι. Η επεξεργασία συχνά απαιτεί έναν επεξεργαστή PDF ή μετατροπή σε άλλη μορφή.
Γιατί το αντιγραφόμενο κείμενο περιέχει λάθη;
Η αναγνώριση ή η χαρτογράφηση χαρακτήρων OCR μπορεί να είναι λανθασμένη.
Το PDF/A κάνει αυτόματα μια σάρωση αναζητήσιμη;
Όχι. Η αρχειακή συμμόρφωση και η OCR είναι ξεχωριστές ανησυχίες.
Συμπέρασμα
Μια σάρωση μόνο εικόνας διατηρεί το πώς μοιάζει μια σελίδα; ένα αναζητήσιμο PDF παρέχει επίσης πληροφορίες κειμένου. Χρησιμοποιήστε OCR όταν η αναζήτηση ή εξαγωγή έχει σημασία, και να επαληθεύσετε σημαντικά αποτελέσματα. Για άλλες ροές εργασίας PDF, επισκεφθείτε το PDFreevert.