स्कैन की गई पीडीएफ बनाम खोजने योग्य पीडीएफ: क्या अंतर है?

स्कैन की गई पीडीएफ में अक्सर चयन योग्य पाठ के बजाय पृष्ठों की तस्वीरें होती हैं। खोजने योग्य पीडीएफ में एक टेक्स्ट परत होती है जिसे सॉफ़्टवेयर खोज सकता है, चुन सकता है, कॉपी कर सकता है या अनुक्रमित कर सकता है। ओसीआर दृश्यमान पृष्ठ छवि को संरक्षित करते हुए स्कैन किए गए पीडीएफ में मान्यता प्राप्त पाठ जोड़ सकता है, लेकिन मान्यता प्राप्त शब्दों में गलतियाँ हो सकती हैं।

केवल-छवि, मूल और खोजने योग्य स्कैन की गई पीडीएफ़

पीडीएफ के तीन प्रकार कैसे भिन्न हैं?
विशेषता	केवल छवि स्कैन	मूल डिजिटल पीडीएफ	ओसीआर/खोज योग्य स्कैन
चयन योग्य पाठ	आमतौर पर कोई नहीं.	आमतौर पर तब उपलब्ध होता है जब टेक्स्ट को सुलभ तरीके से एन्कोड किया जाता है।	वहां उपलब्ध है जहां मान्यता प्राप्त पाठ जोड़ा गया था।
खोजें	चित्रित शब्दों को पाठ के रूप में नहीं खोजा जा सकता.	आमतौर पर संग्रहीत पाठ को खोजता है।	पहचाने गए पाठ को उसकी त्रुटियों सहित खोजता है।
दिखावट	एक पृष्ठ छवि.	पाठ, वैक्टर, चित्र, या मिश्रण।	छुपी हुई टेक्स्ट परत के साथ अक्सर वही पृष्ठ छवि।
ओसीआर आवश्यक है	हाँ, चित्रित शब्दों को पहचानने के लिए।	आमतौर पर पढ़ने योग्य मूल पाठ के लिए नहीं।	पहले ही प्रदर्शन किया जा चुका है, हालांकि खराब परिणाम के लिए एक और प्रयास की आवश्यकता हो सकती है।
पहचान संबंधी त्रुटियाँ	अभी तक कोई पहचान परत नहीं.	मूल पाठ में कोई OCR त्रुटियाँ नहीं; निष्कर्षण में अभी भी समस्याएँ हो सकती हैं.	दृश्यमान स्कैन सही दिखने पर भी संभव है।

एक पीडीएफ इन प्रकारों को मिश्रित कर सकता है: एक डिजिटल रिपोर्ट में एक स्कैन किया हुआ परिशिष्ट शामिल हो सकता है। किसी विशिष्ट दृश्यमान शब्द को खोजने और कई पृष्ठों से एक वाक्य की प्रतिलिपि बनाने का प्रयास करें। केवल एक असफल खोज ही केवल-छवि स्कैन का निश्चित प्रमाण नहीं है; टेक्स्ट एन्कोडिंग, अनुमतियाँ, या ख़राब OCR परत भी हस्तक्षेप कर सकती है।

अदृश्य टेक्स्ट परत कैसे काम करती है?

ओसीआर-ऑप्टिकल कैरेक्टर रिकग्निशन-एक छवि से पात्रों का अनुमान लगाता है। एक पीडीएफ निर्यातक स्कैन को दृश्यमान रखते हुए पहचाने गए शब्दों को अदृश्य रूप से संग्रहीत कर सकता है। खोज फिर उन संग्रहीत शब्दों का उपयोग करती है, न कि पिक्सेल की ताज़ा रीडिंग का। अच्छा संरेखण छिपे हुए शब्दों को उनके मिलान वाले छवि स्थानों पर रखता है ताकि चयन और हाइलाइटिंग स्वाभाविक लगे।

उदाहरण के लिए, इनवॉइस नंबर 1080 दिखाने वाले स्कैन में इसकी OCR परत में 1O8O हो सकता है। पृष्ठ छवि अपरिवर्तित रहने पर भी सही संख्या की खोज विफल हो सकती है। किसी संख्या को स्प्रेडशीट में कॉपी करने से उसके साथ पहचान संबंधी त्रुटि होती है।

OCR गलतियाँ क्यों करता है?

कम रिज़ॉल्यूशन चरित्र विवरण खो देता है; धुंधले स्कैन को बड़ा करने से छूटे हुए स्ट्रोक ठीक नहीं हो सकते।
तिरछापन, गति धुंधलापन, छाया, शोर और संपीड़न कलाकृतियाँ अक्षर आकृतियों को अलग करना कठिन बना देती हैं।
एक अनुपयुक्त पहचान भाषा गलत शब्द या अक्षर उत्पन्न कर सकती है।
स्पष्ट मुद्रित पाठ की तुलना में लिखावट और असामान्य फ़ॉन्ट का पूर्वानुमान कम होता है।
कॉलम, टेबल, फ़ुटनोट और घुमाए गए लेबल अलग-अलग अक्षरों की पहचान होने पर भी पढ़ने के क्रम को भ्रमित कर सकते हैं।

खोजने योग्य पीडीएफ स्वचालित रूप से एक अच्छी तरह से संरचित या सुलभ दस्तावेज़ नहीं है। शब्दों को पहचानने से आवश्यक रूप से उचित शीर्षक, तालिका संबंध, पढ़ने का क्रम या दस्तावेज़ टैग नहीं बनते हैं। ओसीआर भी मूल वर्ड स्रोत को दोबारा नहीं बनाता है।

SoraFiles PDF OCR से क्या अपेक्षा करें

वर्तमान पीडीएफ ओसीआर उपकरण स्थानीय स्तर पर मान्यता चलाता है। यह खोजे गए पठनीय मूल पाठ वाले पृष्ठों को रखता है और स्कैन किए गए पृष्ठों को पहचानता है। उपयुक्त भाषा का चयन करना और स्पष्ट, सीधा स्कैन प्रदान करना पहचान की स्थितियों में सुधार करता है; सटीकता की अभी भी जाँच की आवश्यकता है।

ये निर्यात सीमाएँ इस बात से अलग हैं कि OCR इंजन ने पाठ को पहचाना है या नहीं। एक उपयोगी पाठ परिणाम अभी भी एक अपूर्ण खोजने योग्य पीडीएफ उत्पन्न कर सकता है। मौजूदा मूल पाठ वाले पृष्ठ उसी तरह अतिरिक्त-पाठ एन्कोडिंग के अधीन नहीं हैं, लेकिन उन्हें अभी भी एक व्यावहारिक खोज और प्रतिलिपि जांच की आवश्यकता है।

किसी नतीजे पर भरोसा करने से पहले उसे जांच लें

विभिन्न पृष्ठों से कई विशिष्ट शब्द और संख्याएँ खोजें।
अक्षरों और पढ़ने के क्रम का निरीक्षण करने के लिए एक पैराग्राफ को सादे-पाठ संपादक में कॉपी करें।
मूल छवि के साथ नाम, दिनांक, योग और पहचानकर्ताओं की तुलना करें।
कॉलम, तालिकाओं, लिखावट और किसी भी भाषा परिवर्तन वाले पृष्ठों की अलग से जाँच करें।
मूल स्कैन को ओसीआर परिणाम के साथ रखें ताकि अनिश्चित पाठ को बाद में जांचा जा सके।

स्पष्ट प्रारंभिक छवि के लिए, उपयोग करें डॉक्टर स्कैनर दस्तावेज़ कैप्चर को समायोजित करने के लिए। यदि आपको संपादन योग्य अनुच्छेदों की आवश्यकता है, तो तुलना करें पीडीएफ से वर्ड के साथ दृश्य और संपादन योग्य रूपांतरण ट्रेडऑफ़ आउटपुट चुनने से पहले.

सन्दर्भ

पीडीएफ ओसीआर का प्रयोग करें