Skaneeritud PDF vs otsitav PDF: mis on erinevus?
Kontrollige, kas lehed sisaldavad pilte, tekstikihti või mõlemat.
Sissejuhatus
Kaks PDF-i näevad välja identsed, kuid käituvad erinevalt. Ühes saate esile tõsta ja otsida sõnu. Iga lehekülg käitub nagu foto. Erinevus seisneb tavaliselt selles, kas PDF sisaldab kasutatavat tekstiteavet.
Mis on skannitud PDF?
Skaneeritud PDF tehakse sageli skaneerides paberlehekülgi või pildistades neid ja salvestades pilte PDF-s. Nähtavad tähed on pikslid, mitte tingimata tegelikud tekstimärgid. Ilma tekstikihita ei saa te sõnu otse otsida ega kopeerida.
Mis on otsitav PDF?
Otsitav PDF sisaldab teksti, mida ühilduv lugeja võib leida. See võib olla eksporditud otse Word-st või see võib olla OCR-i genereeritud tekstikihiga skaneerimine. Otsitav skannimine võib säilitada algse lehe pildi, lisades nähtamatut tunnustatud teksti.
Otsitavus ei taga täpset äratundmist, redigeeritavust ega juurdepääsetavust.
Peamised erinevused
| Funktsioon | Ainult pildi skaneerimine | Otsitav PDF |
|---|---|---|
| Nähtav välimus | Lehepildid | Digitaalsed leheküljed või skaneeritud pildid |
| Leidke sõnu | Tavaliselt ei | Tavaliselt jah |
| Kopeeri tekst | Nõutav on OCR | Sageli võimalik |
| Avastamisvead | Tundmatu tekst | Võimalik OCR puhul |
| Muudetav paigutus | Otseselt | Mitte tingimata. |
| Ligipääsetavus | Limited | Vajab täiendavat struktuuri |
Kuidas tuvastada oma PDF
Esiteks, proovige valida üks sõna. Seejärel kasutage Find, et otsida eristavat fraasi. Lõpuks kleepige tekst kopeeritud lihtsa teksti redaktorisse ja võrdle seda lehega. Ebaõnnestunud otsing võib tuleneda ka halvast kodeeringust, nii et ükski test ei ole lõplik.
Kuidas teha Scan Searchable
Samm 1: lehekülgede ettevalmistamine
Kasutage selgeid, püstiseid skaneeringuid piisava kontrastiga. Väldi kärbitud servi, varje ja liikumise hägusust.
Samm 2: vali OCR tarkvara
Valige tööriist, mis toetab selgesõnaliselt optilise märgi tuvastamist ja dokumendi keelt. Mitte iga PDF konverter ei sisalda OCR.
PDFreevert ei paku praegu OCR-i. Kasutage eraldi OCR-võimelist rakendust, et muuta ainult piltide skaneerimine otsitavaks.
Samm 3: teksti äratundmine
Käivita OCR. Sõltuvalt tööriistast võib väljund olla otsitav PDF või redigeeritav dokument.
Samm 4: Kontrolli täpsust
Otsige mitu fraasi ja kopeerige representatiivset teksti. Kontrollige nimesid, kuupäevi, kogusummasid ja identifikaatoreid hoolikalt; OCR võib segi ajada märke nagu O ja 0.
Samm 5: säilita originaal
Säilitage originaalne skaneering viiteks, eriti kui on oluline täpsus või salvestuse terviklikkus.
Millist tüüpi peaksite kasutama?
Ainult pildiga PDF-failid võivad olla piisavad lihtsaks visuaalseks jagamiseks. Otsitavad PDF-failid on kasulikumad uuringuteks, dokumentide kogumiseks ja teabe hankimiseks. Kui teil on vaja muuta lõike või väljavõtte tabeleid, võib olla vajalik täiendav teisendamine ja kontrollimine.
Tavalised OCR probleemid
Mitme veeruga leheküljed võivad tekitada vale lugemisjärjestuse. Käsikirja ja ebatavalisi fonte võib halvasti ära tunda. Tekstikiht võib sisaldada vigu isegi siis, kui nähtav skannimine tundub täiuslik. Otsitavus ei asenda ka ligipääsetavat sildistamist ja loogilist lugemisjärjestust.
Korduma kippuvad küsimused
Kas skannitud PDF võib olla otsitav?
Jah, lisades tunnustatud teksti OCR kaudu.
Kas OCR muudab alati välimust?
Ei. Mõned töövood säilitavad algsed leheküljepildid.
Kas otsitav PDF on täielikult redigeeritav?
Ei. Redigeerimine nõuab sageli PDF redaktorit või teisendamist teise vormingusse.
Miks kopeeritud tekst sisaldab vigu?
OCR tuvastamine või märgi kaardistamine võib olla vale.
Kas PDF/A teeb automaatselt skaneerimisotsingu?
Ei. Arhiivi vastavus ja OCR on eraldi mured.
Järeldus
Ainult pildi skaneerimine säilitab lehe välimuse; otsitav PDF pakub ka tekstiteavet. Kasutage OCR otsingu- või ekstraheerimisküsimustes ja kontrollige olulisi tulemusi. Teiste PDF töövoogude kohta külastage PDFreevert.