Taranmış PDF'lerde neden metin araması yapılamaz? OCR ile aranabilir bir metin katmanı ekleyin

PDF'deki metni görebildiğiniz hâlde bir cümleyi seçemeyebilir veya sayfada açıkça görünen bir adı aradığınızda bulamayabilirsiniz. Böyle bir dosya büyük olasılıkla taranmış bir belgedir: PDF okuyucu tüm sayfayı bir görüntü olarak algılar ve içinde aranabilir metin bulunmaz.

OCR, yani optik karakter tanıma, bu görüntülerdeki metni tanımaya çalışabilir. Bunun için PDF Smart Kit'inOCR PDFaracı, sayfa görüntüsünü korurken aranabilir bir metin katmanı ekleyerek içeriğin aranmasını ve kopyalanmasını kolaylaştırır.

Ancak OCR, taranmış görüntüyü “orijinal Word belgesine” geri dönüştürmez. Yalnızca görüntüdeki karakterleri tanır; özgün paragraf yapısını, yazı tiplerini veya karmaşık sayfa düzenini otomatik olarak geri getirmez.

Önce dosyanın OCR'a ihtiyacı olup olmadığını belirleyin

Dosyayı bir PDF okuyucuda açın, bir metin satırını seçmeyi ve ardından ayırt edici bir kelimeyi aramayı deneyin. Metni normal şekilde seçebiliyor ve arayabiliyorsanız dosyada kullanılabilir bir metin katmanı olabilir ve yeniden tanıma gerekmeyebilir.

Bazı dosyalarda yalnızca belirli sayfalar taranmış olabilir. Bazılarında metin gibi görünen içerikler aslında çizilmiş ana hatlardan oluşur. Bazı dosyalarda ise izin kısıtlamaları bulunur. Metni kopyalayamamanızın tek nedeni mutlaka “metin katmanının bulunmaması” değildir.

Elinizde PDF yerine telefonla çekilmiş fotoğraflar varsa önceTaramayı PDF'ye DönüştürveyaJPG'yi PDF'ye Dönüştüraraçlarını kullanarak bunları PDF hâline getirebilir, ardından OCR uygulayabilirsiniz.

Tanıma işleminden önce kaynak dosyayı hazırlayın

OCR'ın başarısı sayfaların netliğine bağlıdır. Çekim yaparken kâğıdı mümkün olduğunca düz tutun; gölge, yansıma ve belirgin eğikliklerden kaçının. Sayfa kenarları kesilmişse veya yazılar okunamayacak kadar bulanıksa tanıma yazılımının eksik bilgileri geri getirmesi çok zordur.

Sayfa yönü yanlışsa tanıma işleminden öncePDF'yi Döndüraracıyla düzeltin. Dosya boyutunu küçültmek uğruna metni okunamayacak ölçüde sıkıştırmayın.

Çok uzun bir taranmış belge için önceÇıkarınÖrnek olarak birkaç temsilî sayfa seçin. Yalnızca en net ilk sayfayı test etmek yerine ana metni, tabloları ve daha bulanık bir sayfayı da dâhil etmek daha sağlıklı bir değerlendirme sağlar.

Üç adımda aranabilir PDF oluşturun

1. PDF'yi seçin ve OCR dilini kontrol edin

Açın:OCR PDF; ardından işlenecek PDF'yi seçin. Araç, dili otomatik algılama ve elle seçme seçenekleri sunar.

Belgenin ana dilini kesin olarak biliyorsanız ilgili dili elle seçebilirsiniz. “Web arayüzünün Türkçe olması” ifadesini “her dosyanın Türkçe olarak tanınması” şeklinde yorumlamayın: Arayüz dili ile OCR tanıma dili iki ayrı ayardır.

Yapay zekâ konsept görseli: Taranmış görüntüye aranabilir bir metin katmanı eklenir; gerçek tanıma sonuçlarının yine de kontrol edilmesi gerekir.

2. Aranabilir metin katmanı seçeneğini açık tutun

Amacınız PDF okuyucunun metinlerde arama ve kopyalama yapabilmesini sağlamaksa OCR'yi çalıştırmadan önce “aranabilir metin katmanı” seçeneğini açık tutun. Özellikle sayfa sayısı fazlaysa veya cihazın belleği düşükse işlem sırasında sayfayı açık bırakın.

Tanıma işlemi mevcut tarayıcıda gerçekleştirilir; PDF içeriği uygulama sunucusuna yüklenmez. İlk kullanımda veya tanıma dili değiştirildiğinde ilgili program ve dil verilerinin yüklenmesi gerekebilir. Bu nedenle yerel işleme, kaynakları ağ üzerinden yüklemeye gerek olmadığı anlamına gelmez.

3. Sonucu indirin, ardından arama ve kopyalama işlevlerini doğrulayın

Çıktı dosyasını açıp bir kişi adı, bir sayı dizisi ve tam bir ifade arayın. Ardından kısa bir metni kopyalayıp bir metin düzenleyiciye yapıştırın; yazım hatası, tekrar veya sıra bozukluğu olup olmadığını kontrol edin.

İki sütunlu düzenlerde, birden fazla satıra yayılan tablolarda, dipnotlarda ve birden çok dil içeren belgelerde kopyalanan metnin okuma sırası, görsel sırayla tamamen aynı olmayabilir. Kelimelerin bulunabilmesi ile metnin tamamının doğru olması aynı şey değildir.

Özellikle elle kontrol edilmesi gereken içerikler

• Kişi adları, kurum adları, nadir kullanılan karakterler ve el yazısı notlar.
• Kimlik numaraları, tarihler, tutarlar, ondalık ayırıcılar ve eksi işaretleri.
• Kolayca karıştırılabilen karakterler; örneğin rakam 0 ile harf O.
• Tablolardaki değerlerin satır ve sütun başlıklarıyla eşleşmesi.

Sayfa görüntüsünün değişmemiş görünmesi, yeni eklenen gizli metin katmanının mutlaka doğru olduğu anlamına gelmez. Sözleşmeler, makbuzlar ve arşiv belgeleri için özgün görüntü yine de kontrol amacıyla esas alınmalıdır. Kontrol edilmemiş tanıma metinlerini önemli iş kararlarında doğrudan kullanmayın.

Sık Sorulan Sorular

OCR'dan sonra makalenin tamamını Word'deki gibi düzenleyebilir miyim?

Bu garanti edilemez. OCR'ın temel amacı metni aranabilir ve seçilebilir hâle getirmektir. Ayrıca bir Word dosyasına ihtiyacınız varsa şunu deneyebilirsiniz:PDF'yi Word'e Dönüştürme, ancak düzen ve metnin yine de elle düzeltilmesi gerekebilir.

Tanınan adlar veya rakamlar neden yanlış?

Öncelikle kaynak taramanın net, yönünün doğru ve tanıma dilinin uygun olup olmadığını kontrol edin. Kaynak görüntünün kalitesini artırmak, aynı bulanık taramayı tekrar tekrar işlemekten genellikle daha faydalıdır. OCR tüm karakterlerin doğru tanınacağını garanti etmez; özellikle el yazısı içeriklerde dikkatli olunmalıdır.

Tanıma tamamlandıktan sonra orijinal taramayı silmeli miyim?

Orijinal dosyayı saklamanız önerilir. Çıktı günlük arama ve düzenleme için uygundur; orijinal dosya ise karşılaştırma yapmayı ve gerektiğinde yeniden işlemeyi kolaylaştırır.

Başlıca sorununuz “belgeleri bulamamak veya içeriği kolayca kopyalayamamak” ise önce birkaç örnek sayfaylaOCR PDF'yi deneyin, sonuçların belgelerinize uygun olduğunu doğruladıktan sonra tüm materyali işleyin.