التعرف الضوئي على PDF
حوّل المستندات الممسوحة إلى ملفات PDF قابلة للبحث والنسخ. تستخدم الأداة Tesseract OCR للتعرف على النص في الصور وتضع طبقة نصية غير مرئية فوق الصفحات الأصلية، مما يحافظ على مظهرها المرئي ويجعل المحتوى قابلًا للبحث بالكامل.
طريقة العمل
- ارفع ملف PDF ممسوحًا ضوئيًا أو مبنيًا على الصور.
- اختر لغة واحدة أو أكثر موجودة في المستند من قائمة اللغات القابلة للبحث.
- اضبط الإعدادات المتقدمة اختياريًا (الدقة والتحويل الثنائي والقائمة البيضاء).
- انقر على بدء OCR وتابع التقدم في شريط التقدم المباشر.
- عند الانتهاء، راجع النص المستخرج، ثم نزّل ملف PDF القابل للبحث أو ملف
.txtنصيًا عاديًا.
الميزات
- OCR متعدد اللغات مع محدد لغات قابل للبحث
- الطبقة النصية غير المرئية تحافظ على مظهر المستند الأصلي
- شريط تقدم مباشر وسجل مخرجات أثناء المعالجة
- نزّل النتائج كملف PDF قابل للبحث أو ملف نصي عادي
- انسخ النص المستخرج مباشرة إلى الحافظة
- ثلاثة مستويات دقة للموازنة بين السرعة والدقة
الخيارات
| الإعداد | القيم | الافتراضي | الغرض |
|---|---|---|---|
| الدقة | قياسية (192 DPI)، عالية (288 DPI)، فائقة (384 DPI) | عالية | الدقة الأعلى تحسّن الدقة في النصوص الصغيرة لكنها تستغرق وقتًا أطول |
| تحويل الصورة إلى ثنائية | تشغيل / إيقاف | إيقاف | يعزز التباين للمسوحات النظيفة بتحويلها إلى أبيض وأسود |
| إعداد القائمة البيضاء للأحرف | بلا، أبجدي رقمي، أرقام وعملات، حروف فقط، أرقام فقط، فاتورة، نماذج، مخصص | بلا | يحصر الأحرف المتعرَّف عليها لتحسين الدقة لأنواع مستندات معينة |
| القائمة البيضاء للأحرف | نص حر | فارغ | مجموعة أحرف يدوية عند ضبط الإعداد المسبق على مخصص |
حالات الاستخدام
- جعل العقود والفواتير الممسوحة قابلة للبحث بحيث يمكنك استخدام Ctrl+F فيها
- استخراج النص من المستندات المصوَّرة أو السجلات الورقية القديمة
- معالجة الإيصالات بإعداد الفاتورة لالتقاط المبالغ والتواريخ بدقة
- إنشاء ملفات PDF يسهل الوصول إليها من مسوحات الصور فقط لمتطلبات الامتثال
- استخراج المحتوى النصي دفعة واحدة من كتب أو أدلة ممسوحة
نصائح
- اختر عدة لغات إذا كان مستندك يحتوي على محتوى بلغات مختلطة (مثل عناوين بالإنجليزية ونص أساسي بالياباني).
- استخدم خيار التحويل الثنائي للمستندات ذات النص الباهت أو منخفض التباين، فقد يحسّن دقة التعرف بشكل كبير.
- تقلل إعدادات القائمة البيضاء للفواتير والنماذج النتائج الخاطئة بشكل كبير في المستندات المنظمة بتجاهل أشكال الأحرف غير ذات الصلة.