PDF imej, PDF teks atau kedua-duanya? Semak dahulu, kemudian mulakan

Buka PDF dalam program PDF atau pelayar anda. Kemudian cari perkataan yang anda lihat pada halaman, contohnya nama pada kepala surat. Cuba juga memilih satu baris teks dan menyalinnya. Jika carian tidak menemukan apa-apa dan tiada teks yang boleh dipilih, halaman itu hanya terdiri daripada imej. Pengecaman teks memang ditujukan untuk keadaan ini. Sebaliknya, jika keseluruhan PDF anda sudah boleh dicari dan disalin, biasanya anda tidak memerlukan pengecaman teks.

Cara pengecaman teks mengendalikan halaman PDF anda
Halaman mengandungi	Cara mengenal pastinya	Apa yang berlaku
Imej sahaja, contohnya imbasan atau foto	Carian tidak menemukan apa-apa dan teks tidak boleh dipilih.	Teks dicam dan ditambahkan sebagai lapisan teks tidak kelihatan.
Teks yang boleh dipilih sahaja, contohnya yang dieksport daripada program pemprosesan teks	Carian dan penyalinan sudah berfungsi.	Halaman dikekalkan tanpa pengecaman semula. Anda akan menerima catatan tentang perkara ini.
Teks yang boleh dipilih dan imej pada halaman yang sama	Sebahagian halaman boleh dipilih, manakala bahagian lain tidak boleh. Atau halaman teks biasa mengandungi logo.	Seluruh PDF ditolak dan tiada fail dihasilkan.
Tiada kandungan, contohnya halaman belakang yang kosong	Tiada kandungan kelihatan pada halaman.	Halaman dikekalkan dan anda menerima catatan. Jika seluruh dokumen kosong, pengecaman dihentikan dengan satu mesej.

Mengapa halaman bercampur ditolak

Contoh lazim ialah surat yang kepala suratnya disimpan sebagai teks sebenar dalam PDF, manakala isi surat di bawahnya ialah imej yang diimbas. Jika alat ini menerima halaman sebegini sebagai halaman teks yang sudah lengkap, bahagian yang diimbas akan kekal tanpa teks yang boleh dicari tanpa anda menyedarinya. Oleh itu, alat ini menolak setiap PDF yang mengandungi walaupun satu halaman dengan teks yang boleh dipilih dan imej pada halaman yang sama. Semakan ini sengaja dibuat dengan ketat. Semakan ini juga terpakai pada halaman teks biasa yang mempunyai logo, walaupun sebenarnya tiada apa-apa yang perlu dicam di situ. Selain itu, lapisan teks sedia ada tidak akan digantikan atau dibaiki tanpa pemberitahuan, walaupun lapisan itu mengandungi kesilapan.

Anda masih boleh meneruskan dengan cara berikut:

Jika halaman yang berkenaan sudah boleh dicari, contohnya halaman muka hadapan dengan logo, anda boleh memadamkannya daripada satu salinan. Atau anda boleh memisahkan PDF supaya hanya halaman imbasan yang terdiri sepenuhnya daripada imej diproses untuk pengecaman. Selepas itu, anda boleh menggabungkan semula bahagian tersebut. Kemudian semak fungsi carian dalam fail yang telah siap.
Jika seluruh halaman bercampur perlu boleh dicari, jadikannya halaman imej sepenuhnya. Untuk berbuat demikian, eksport halaman sebagai JPG dan gabungkan semula imej menjadi PDF. Kemudian jalankan pengecaman pada PDF ini. Pastikan teks pada imej kekal jelas dibaca. Teks yang sebelum ini merupakan teks sebenar juga akan menjadi imej dan kemudian dicam semula. Oleh itu, semak teks tersebut seperti teks yang lain. Cara ini juga menggantikan lapisan teks lama yang mengandungi kesilapan.
Jika anda masih mempunyai dokumen asal dalam bentuk kertas, membuat imbasan baharu sebagai PDF imej sepenuhnya selalunya merupakan cara paling mudah.

Jadikan PDF yang diimbas boleh dicari: langkah demi langkah

Pilih satu PDF melalui “Pilih fail” atau lepaskannya dalam ruang yang disediakan. Setiap pusingan hanya menerima satu fail dengan saiz maksimum 50 MiB dan 20 halaman.
Di bawah “Bahasa dokumen”, tetapkan bahasa teks: Bahasa Jerman, Bahasa Inggeris atau Bahasa Jerman dan bahasa Inggeris.
Di bawah “Format output”, pilih antara “PDF yang boleh dicari” dengan “Fail teks (TXT, UTF-8)”.
Klik “Kenal pasti teks”. Pada permulaan pertama, halaman memuat turun data pengecamannya, jadi anda memerlukan sambungan Internet. Selepas itu, halaman diproses untuk pengecaman satu demi satu. Tempohnya bergantung pada bilangan halaman dan peranti anda. Anda boleh berhenti pada bila-bila masa dengan “Batal”. Jika dibatalkan, tiada fail dihasilkan, termasuk fail yang separuh siap.
Baca “Catatan tentang hasil” untuk mengetahui sama ada terdapat halaman yang dikekalkan tanpa pengecaman atau halaman kosong. Kemudian muat turun fail melalui “Muat turun”.
Buka fail yang disimpan dan semaknya seperti yang diterangkan di bawah sebelum berkongsi fail itu atau memadamkan fail asal.

Fail asal anda kekal tidak berubah; hasilnya sentiasa merupakan fail baharu. Anda tidak memerlukan akaun atau bayaran untuk proses ini. Gunakan “Tetapkan semula” untuk memulakan dengan PDF seterusnya.

PDF yang boleh dicari, fail teks atau dokumen Word?

Pengecaman teks menjadikan teks boleh ditemukan melalui carian, tetapi tidak secara automatik menjadikannya boleh disunting. Fail yang anda perlukan bergantung pada perkara yang hendak dilakukan selepas itu.

Perbandingan tiga hasil yang mungkin
Hasil	Apa yang anda peroleh	Sesuai untuk
PDF yang boleh dicari	Setiap halaman kelihatan sama seperti sebelumnya. Selain itu, halaman mengandungi teks yang dicam sebagai lapisan tidak kelihatan yang boleh anda cari, pilih dan salin.	Menyimpan dokumen dan menemukannya semula kemudian, mencari dalam dokumen panjang, menyalin petikan tertentu
Fail teks (TXT, UTF-8)	Anda hanya memperoleh teks yang dicam, tanpa imej, fon dan susun atur. Halaman disusun berturutan dan dipisahkan oleh aksara pemisah halaman.	Memindahkan teks ke program lain atau memprosesnya selanjutnya
Fail Word (DOCX)	Alat ini tidak menghasilkan fail ini. Simpan PDF yang boleh dicari dahulu, kemudian tukarkannya menjadi teks berterusan yang boleh disunting melalui PDF kepada Word. Imej halaman dan susun atur tidak dikekalkan dalam proses ini.	Menulis semula dan memformat semula teks

Oleh sebab imej halaman kekal tidak berubah, PDF yang boleh dicari kelihatan sama seperti imbasan asal. Ini tetap berlaku walaupun lapisan teks tidak kelihatan mengandungi perkataan tertentu yang salah. Hanya carian dan teks yang disalin dapat menunjukkan sama ada pengecaman itu betul. Selain itu, PDF yang boleh dicari tidak secara automatik memenuhi keperluan kebolehcapaian PDF/UA dan bukan juga PDF arkib mengikut PDF/A. Alat ini tidak menghasilkan kedua-duanya.

Petikan halaman yang diimbas dengan baris “Rechnung Müller & Söhne” dan “Betrag: 1.234,56 EUR”. Halaman ini hanya terdiri daripada satu imej. — Kedua-dua halaman kelihatan sama. Perbezaannya terletak pada fail: PDF yang boleh dicari turut mengandungi lapisan teks yang tidak kelihatan. Carian untuk “Müller” akan menemui perkataan itu, dan anda boleh memilih serta menyalin teks tersebut.
Pengecaman teks mungkin tersalah membaca perkataan atau nombor. Contoh ini tidak menunjukkan hasil yang akan diperoleh untuk dokumen anda sendiri. Semak terutamanya nama, amaun dan aksara umlaut dalam hasil anda.

Petikan yang sama selepas pengecaman teks. Rupanya kekal sama dan masih memaparkan “Rechnung Müller & Söhne” dan “Betrag: 1.234,56 EUR”. — Kedua-dua halaman kelihatan sama. Perbezaannya terletak pada fail: PDF yang boleh dicari turut mengandungi lapisan teks yang tidak kelihatan. Carian untuk “Müller” akan menemui perkataan itu, dan anda boleh memilih serta menyalin teks tersebut.
Pengecaman teks mungkin tersalah membaca perkataan atau nombor. Contoh ini tidak menunjukkan hasil yang akan diperoleh untuk dokumen anda sendiri. Semak terutamanya nama, amaun dan aksara umlaut dalam hasil anda.

Pilih bahasa: bahasa Jerman, bahasa Inggeris atau kedua-duanya

Tetapan bahasa memberitahu sistem pengecaman perkataan dan aksara yang perlu dijangka. Untuk teks bahasa Jerman dengan ä, ö, ü dan ß, pilih Bahasa Jerman. Jika dokumen mengandungi kedua-dua bahasa, contohnya surat bahasa Jerman dengan istilah teknikal bahasa Inggeris atau alamat dalam bahasa Inggeris, pilih Bahasa Jerman dan bahasa Inggeris. Alat ini tidak direka untuk bahasa lain.

Pilihan bahasa tidak menterjemahkan apa-apa. Teks dicam dalam bahasa yang tertera pada imbasan. Pengecaman ini ditujukan untuk teks bercetak; hasil pengecaman tulisan tangan tidak boleh dipercayai.

Semak hasil: nama, nombor dan umlaut

Pengecaman teks menentukan huruf daripada piksel imej. Kesilapan boleh berlaku dalam proses ini, terutama pada digit, nama khas dan aksara yang kelihatan serupa. Oleh itu, untuk dokumen penting, ada baiknya anda membuat semakan ringkas:

Buka PDF yang disimpan dan gunakan Strg+F (Mac: Cmd+F) untuk mencari beberapa perkataan yang anda lihat pada imbasan. Sebaik-baiknya pilih nama, perkataan yang mempunyai umlaut atau ß seperti “Straße”, serta nombor.
Pilih satu perenggan, salinkannya ke program pemprosesan teks dan bandingkannya dengan imbasan. Adakah nama, amaun seperti 1,234.56, tarikh, nombor rujukan fail dan umlaut betul? Adakah aksara yang serupa seperti 0 dan O atau 1 dan l tertukar?
Perhatikan urutan dalam lajur dan jadual. Lajur dan sel jadual tidak dibina semula. Oleh itu, susunannya dalam teks yang disalin mungkin berbeza daripada susunannya pada halaman.
Jika anda memilih fail teks, semak bahagian yang sama terus dalam fail tersebut.

Anda tidak boleh membetulkan kesilapan dalam teks yang dicam menggunakan alat ini. Untuk maklumat penting, rujuk imej halaman yang kelihatan, bukan teks yang disalin.

Dokumen sumber yang lebih baik, pengecaman yang lebih baik

Banyak kesilapan berpunca daripada proses imbasan, contohnya resolusi terlalu rendah, halaman masuk secara senget, kontras lemah, tompokan atau tulisan yang sangat kecil. Oleh itu, imbas dokumen penting selurus, setajam dan sejelas mungkin dengan kontras yang baik. Untuk saiz tulisan biasa, sekitar 300 dpi sesuai digunakan. Halaman senget tidak diluruskan secara automatik di sini. Jika halaman mengiring atau terbalik, putarkannya dahulu supaya teks dipaparkan tegak. Cara resolusi, kecondongan dan hingar imej mempengaruhi pengecaman diterangkan dalam panduan kualiti imej untuk pengecaman teks yang berbahasa Inggeris.

Had dan mesej: cara meneruskan

Tiada baris gilir untuk berbilang fail. Anda juga tidak boleh memilih halaman tertentu untuk pengecaman; semua halaman PDF sentiasa diproses. Jadual ini menunjukkan keadaan yang menyebabkan fail ditolak atau catatan dipaparkan serta tindakan yang boleh anda ambil.

Had dan catatan lazim dalam pengecaman teks
Keadaan	Apa yang boleh anda lakukan
PDF mempunyai lebih daripada 20 halaman.	Pisahkan PDF kepada bahagian yang mempunyai maksimum 20 halaman dan jalankan pengecaman bagi setiap bahagian secara berasingan. Pemisahan di sini menyokong sehingga 50 MiB dan 250 halaman. Jika akhirnya anda memerlukan satu fail semula, gabungkan hasilnya dan semak fungsi carian dalam PDF yang digabungkan.
PDF lebih besar daripada 50 MiB.	Imbas semula dokumen dalam bahagian yang lebih kecil atau pisahkan PDF menggunakan program PDF pada komputer anda.
Hanya halaman tertentu perlu dicam.	Padamkan halaman yang lain daripada satu salinan atau pisahkan PDF.
Satu halaman mengandungi teks dan imej serentak.	PDF ditolak. Penyelesaiannya terdapat di atas dalam bahagian tentang halaman bercampur.
Format halaman sangat besar, contohnya pelan atau poster.	Halaman diproses untuk pengecaman sehingga 300 dpi dan maksimum 12 megapiksel. Jika ini menyebabkan resolusi halaman jatuh di bawah 144 dpi, PDF ditolak. Dalam keadaan itu, imbas dokumen sumber yang besar dalam bahagian yang lebih kecil.
PDF ditandatangani, dilindungi kata laluan atau rosak.	Alat ini tidak memproses fail sedemikian. Untuk dokumen bertandatangan, rujuk panduan tentang tandatangan dan borang. Bagi fail yang dilindungi kata laluan atau rosak, minta pengirim memberikan versi baharu yang tidak dilindungi.
Catatan: “Halaman … sudah mengandungi teks dan dikekalkan tanpa pengecaman teks.”	Halaman ini sudah boleh dicari. Gunakan carian untuk menyemak sama ada teksnya betul.
Catatan: “Tiada teks dicam pada halaman ….”	Ini biasa berlaku pada halaman belakang yang kosong. Jika teks kelihatan di situ, imbasan mungkin terlalu pudar, terlalu kecil atau terlalu senget. Dalam keadaan itu, imbas semula halaman tersebut.
Tiada teks dicam dalam seluruh dokumen.	Tiada fail dihasilkan. Semak sama ada halaman benar-benar memaparkan teks yang boleh dibaca dan cuba lagi menggunakan dokumen sumber yang lebih baik.
Catatan bahawa aksara yang dicam tidak dapat dimasukkan ke dalam lapisan teks yang boleh dicari.	Imej halaman kekal tidak berubah; cuma aksara tersebut tidak ditemukan melalui carian. Jika anda memerlukannya, jalankan pengecaman sekali lagi dengan memilih fail teks sebagai hasil tambahan. Aksara tersebut terkandung di situ.
Data pengecaman tidak dapat dimuat turun.	Semak sambungan Internet anda dan muat semula halaman. Tiada fail boleh diproses sehingga data pengecaman dimuat turun sepenuhnya.
Satu langkah pengecaman mengambil masa lebih daripada tiga minit.	Alat ini akan menghentikan proses. Tutup program atau tab lain yang menggunakan banyak kuasa pemprosesan dan cuba lagi, menggunakan peranti yang lebih berkuasa jika perlu.
Hasilnya akan lebih besar daripada 100 MiB.	Tiada fail dihasilkan. Pisahkan PDF dan jalankan pengecaman bagi setiap bahagian secara berasingan atau pilih fail teks.

Adakah PDF kekal pada peranti anda? Dan bolehkah ia digunakan tanpa Internet?

PDF anda diproses dalam pelayar ini dan tidak dihantar ke pelayan. Untuk pengecaman teks, halaman hanya memuat turun programnya dan data bagi bahasa yang dipilih, terus daripada laman web ini sendiri, bukan daripada perkhidmatan pihak lain.

Oleh itu, anda memerlukan sambungan Internet semasa memulakan kerana tiada fail boleh diproses tanpa data pengecaman. Pada lawatan seterusnya pun, halaman mungkin perlu memuat turun data tersebut sekali lagi. Memulakan proses tanpa Internet sama sekali tidak disediakan dan tidak dijamin.

Cara laman web ini mengendalikan fail anda secara umum diterangkan pada halaman tentang keselamatan dan pemprosesan fail.

Pengecaman teks PDF dengan OCR

Hasil

Catatan tentang hasil