Skenēts PDF vs Meklējams PDF: Kāda ir atšķirība?
Pārbaudiet, vai lapas satur attēlus, teksta slāni vai abus.
Ievads
Divi PDF var izskatīties identiski, bet uzvesties atšķirīgi. Vienā var izcelt un meklēt vārdus. Citās lapās uzvedas kā fotogrāfijā. Atšķirība parasti ir vai PDF satur izmantojamu teksta informāciju.
Kas ir skenēts PDF?
Skenēts PDF bieži tiek izgatavots, skenējot papīra lapas vai fotografējot tās un saglabājot attēlus PDF. Redzamie burti ir pikseļi, ne obligāti teksta rakstzīmes. Bez teksta slāņa jūs parasti nevarat meklēt vai kopēt vārdus tieši.
Kas ir meklējams PDF?
Meklējams PDF satur tekstu, ko var atrast savietojams lasītājs. Iespējams, tas ir eksportēts tieši no Word, vai arī tas var būt skenējums ar OCR ģenerētu teksta slāni. Meklējama skenēšana var saglabāt sākotnējo lapas attēlu, pievienojot neredzamu atzītu tekstu.
Meklējamība negarantē precīzu atpazīšanu, rediģējamību vai pieejamību.
Galvenās atšķirības
| Īpašība | Tikai attēlu skenēšana | Meklējams PDF |
|---|---|---|
| Redzams izskats | Lapas attēli | Digitālās lapas vai skenēti attēli |
| Meklēt vārdus | Parasti na | Parasti jā |
| Kopēt tekstu | Nepieciešama OCR | Bieži vien iespējams |
| Atzīšanas kļūdas | Nav atpazīta teksta | Iespējams lietot OCR |
| Rediģējams izkārtojums | Ne tieši | Ne vienmēr |
| Pieejamība | Ierobežots | Nepieciešama papildu struktūra |
Kā identificēt savu PDF
Vispirms mēģiniet izvēlēties vienu vārdu. Nākamais, izmantojiet Atrast, lai meklētu atšķirīgu frāzi. Visbeidzot, ielīmējiet kopēto tekstu vienkāršā teksta redaktorā un salīdziniet to ar lapu. Neveiksmīga meklēšana var arī izraisīt sliktu kodējumu, tāpēc neviens tests nav pārliecinošs.
Kā padarīt skenējamu
Solis 1: Sagatavojiet lapas
Ar pietiekamu kontrastu veiciet skaidru, vertikāli skenēšanu. Izvairieties no apgrieztām malām, ēnas, un kustību aizmiglot.
Solis 2: Izvēlieties OCR programmatūru
Izvēlieties rīku, kas skaidri atbalsta Optisko rakstzīmju atzīšanu un dokumenta valodu. Ne katrs PDF pārveidotājs ietver OCR.
PDFreevert pašlaik nenodrošina OCR. Izmantojiet atsevišķu programmu, kas spēj OCR meklēt tikai attēlus.
Solis 3: Atpazīstiet tekstu
Palaist OCR. Atkarībā no rīka izvade var būt pārmeklējams PDF vai rediģējams dokuments.
4 solis: pārbaudīt precizitāti
Meklēt vairākas frāzes un kopēt reprezentatīvu tekstu. Rūpīgi pārbaudiet nosaukumus, datumus, kopsummas un identifikatorus; OCR var sajaukt tādas rakstzīmes kā O un 0.
Solis 5: Saglabājiet oriģinālo
Saglabāt sākotnējo skenējumu atsauces, īpaši, ja precizitāte vai ieraksta integritāti.
Kāds tips jums jālieto?
Tikai attēlu PDF var būt piemērots vienkāršai vizuālai koplietošanai. Meklējami PDF ir vairāk noderīga pētījumiem, dokumentu kolekcijas, un informācijas izguve. Ja jums ir nepieciešams rediģēt rindkopas vai izvilkt tabulas, papildu konversijas un pārbaude var būt nepieciešama.
Bieži OCR problēmas
Vairāku kolonnu lapas var radīt nepareizu lasīšanas kārtību. Rokraksts un neparasti fonti var tikt atpazīti vāji. Teksta slānī var būt kļūdas pat tad, kad redzamais skenējums izskatās perfekts. Meklējamība arī neaizstāj pieejamu iezīmēšanas un loģisku lasīšanas kārtību.
Bieži uzdotie jautājumi
Vai skenētais PDF var kļūt pārmeklējams?
Jā, pievienojot atzītu tekstu caur OCR.
Vai OCR vienmēr maina izskatu?
Nē. Dažas darbplūsmas saglabā oriģinālos lapas attēlus.
Vai pārmeklējams PDF ir pilnībā rediģējams?
Nē. Rediģēšana bieži prasa PDF redaktoru vai pārveidošanu citā formātā.
Kāpēc kopētais teksts satur kļūdas?
OCR atpazīšana vai rakstzīmju kartēšana var būt nepareiza.
Vai PDF/A automātiski nodrošina skenēšanas meklēšanas iespēju?
Nē. Arhivēšanas atbilstība un OCR ir atsevišķas bažas.
Secinājums
Tikai attēla skenēšana saglabā to, kā izskatās lapa; arī pārmeklējams PDF sniedz teksta informāciju. Izmantojiet OCR, kad nepieciešama meklēšana vai ekstrakcija, un pārbaudiet svarīgus rezultātus. Citu PDF darbplūsmu gadījumā apmeklējiet PDFreevert.