איך להפוך PDF למסמך שניתן לחיפוש או לחלץ ממנו טקסט
בחירה בין חילוץ טקסט לזיהוי OCR: דוגמה מעשית לקובצי PDF דיגיטליים, סריקות ומסמכים מעורבים.
אפשר להתחיל ממילה
יש לפתוח את המסמך בקורא PDF ולנסות לבחור מילה ולהעתיק אותה. אם מתקבל טקסט קריא, כבר קיימת ב-PDF שכבת טקסט: הכלי PDF לטקסט יכול לחלץ אותה ללא זיהוי אופטי. גם סריקה עשויה להכיל שכבת OCR, ולכן המראה המצולם לבדו אינו מספיק כדי להבדיל ביניהם.
איך להפוך PDF למסמך שניתן לחיפוש
אם לא ניתן לבחור את המילים, ייתכן שהעמוד הוא תמונה. זיהוי טקסט ב-PDF (OCR) מזהה טקסט ב-13 שפות לייצוא ל-TXT. PDF עם טקסט שניתן לחפש בו שומר על מראה העמודים ומוסיף שכבת טקסט, והוא זמין ב-12 שפות; בעברית אפשר לייצא TXT בלבד.
בשימוש הראשון המנוע מורד מהאתר; הסריקה נשארת במכשיר. מומלץ לעבד כמה עמודים בכל פעם, עד למגבלה של 20, במיוחד בטלפון.
דוגמה עם מסמך מעורב
תיק מסמכים מכיל שני עמודים דיגיטליים ושלוש קבלות סרוקות. אפשר להשתמש ב-PDF לטקסט עבור העמודים הדיגיטליים וב-OCR רק עבור הקבלות: כך נמנעים מזיהוי חוזר של טקסט שכבר זמין. תוצאת ה-OCR כוללת רק את העמודים שנבחרו.
בדיקת מספרים וסדר הקריאה
יש להשוות את הטקסט למקור, במיוחד תאריכים, סכומים, שמות וקודים. OCR לא תמיד משחזר נכון טבלאות וטורים; חילוץ ל-TXT אינו שומר על הגופנים והעימוד. לקבלת עותק חזותי של העמוד יש להשתמש בכלי PDF ל-JPG ול-PNG.