Görüntü PDF'si mi, metin PDF'si mi, yoksa ikisi birden mi? Önce kontrol et, sonra başlat

PDF'yi PDF programında veya tarayıcında aç. Ardından sayfada gördüğün bir kelimeyi, örneğin antetteki bir adı ara. Ayrıca bir satırı seçip kopyalamayı dene. Arama hiçbir şey bulamıyorsa ve hiçbir şey seçilemiyorsa sayfa yalnızca bir görüntüden oluşuyordur. Metin tanıma tam da bunun içindir. PDF'nin tamamında zaten arama yapabiliyor ve metni kopyalayabiliyorsan çoğu zaman metin tanımaya ihtiyacın yoktur.

Metin tanıma, PDF'ndeki sayfaları nasıl işler?
Sayfanın içeriği	Nasıl anlarsın?	Ne olur?
Yalnızca bir görüntü, örneğin tarama veya fotoğraf	Arama hiçbir şey bulmaz ve metin seçilemez.	Metin tanınır ve görünmez bir metin katmanı olarak eklenir.
Yalnızca seçilebilir metin, örneğin bir kelime işlemci programından dışa aktarılmış metin	Arama ve kopyalama zaten çalışır.	Sayfa yeniden tanınmadan aktarılır. Bununla ilgili bir not gösterilir.
Aynı sayfada seçilebilir metin ve görüntü	Sayfanın bir bölümü seçilebilirken başka bir bölümü seçilemez. Ya da normal bir metin sayfasında logo bulunur.	PDF'nin tamamı reddedilir ve dosya oluşturulmaz.
Hiçbir şey, örneğin boş bir arka sayfa	Sayfada görünür bir içerik yoktur.	Sayfa korunur ve bir not gösterilir. Belgenin tamamı boşsa tanıma işlemi bir mesajla durdurulur.

Karma içerikli sayfalar neden reddedilir?

Tipik bir örnek, anteti PDF'de gerçek metin olarak yer alırken altındaki asıl mektup metni taranmış bir görüntüden oluşan bir belgedir. Araç böyle bir sayfayı hazır bir metin sayfası olarak aktarsaydı, taranmış bölümün aranabilir metin içermediği fark edilmeyebilirdi. Bu nedenle, tek bir sayfasında bile hem seçilebilir metin hem de görüntü bulunan her PDF reddedilir. Bu kontrol bilinçli olarak sıkı tutulmuştur. Aslında tanınması gereken hiçbir şey olmasa bile, logo içeren sıradan bir metin sayfasında da devreye girer. Ayrıca mevcut bir metin katmanı, hatalı olsa bile hiçbir zaman haber verilmeden değiştirilmez veya onarılmaz.

Yine de devam etmek için şunları yapabilirsin:

İlgili sayfalar zaten aranabiliyorsa, örneğin logolu bir kapak sayfasıysa, bunları bir kopyadan silebilirsin. Ya da yalnızca tamamen taranmış görüntülerden oluşan sayfalarda metin tanıma yapılması için PDF'yi bölebilirsin. Ardından parçaları yeniden birleştirebilirsin. Son olarak oluşturulan dosyada aramayı kontrol et.
Karma içerikli bir sayfanın tamamının aranabilir olması gerekiyorsa, onu yalnızca görüntüden oluşan bir sayfaya dönüştür. Bunun için sayfaları JPG olarak dışa aktar ve görüntüleri yeniden bir PDF'de birleştir. Ardından bu PDF'de metin tanıma işlemini çalıştır. Görüntülerdeki metnin rahatça okunabilir kalmasına dikkat et. Daha önce gerçek metin olan bölüm de bu işlemde görüntüye dönüşür ve ardından yeniden tanınır. Bu nedenle onu da metnin geri kalanı gibi kontrol et. Bu yöntemle hatalı eski bir metin katmanını da değiştirmiş olursun.
Belgenin kâğıt üzerindeki aslı hâlâ elindeyse, onu yalnızca görüntüden oluşan bir PDF olarak yeniden taramak çoğu zaman en kolay yoldur.

Taranmış PDF'yi aranabilir hâle getirme: adım adım

“Dosya seç” ile bir PDF seç veya dosyayı alana bırak. Her işlemde en fazla 50 MiB boyutunda ve 20 sayfalık tek bir dosya işlenebilir.
“Belgenin dili” altında metnin hangi dilde yazıldığını seç: Almanca, İngilizce veya Almanca ve İngilizce.
“Çıktı biçimi” altında “Aranabilir PDF” ile “Metin dosyası (TXT, UTF-8)” arasında seçim yap.
“Metni tanı”ya tıkla. İlk başlatmada sayfa, tanıma verilerini indirir; bunun için internet bağlantısı gerekir. Ardından sayfalardaki metinler sırayla tanınır. Bunun ne kadar süreceği sayfa sayısına ve cihazına bağlıdır. “İptal et” ile istediğin zaman durdurabilirsin. Bu durumda kısmen tamamlanmış bir dosya da dâhil olmak üzere hiçbir dosya oluşturulmaz.
“Sonuçla ilgili notlar” altında, tanıma yapılmadan aktarılan veya boş olan sayfalar bulunup bulunmadığını oku. Ardından “İndir” ile dosyayı indir.
Kaydedilen dosyayı aç ve paylaşmadan ya da orijinali silmeden önce aşağıda açıklandığı gibi kontrol et.

Orijinal dosyan değişmeden kalır; sonuç her zaman yeni bir dosyadır. Bu işlem için hesap açman veya ödeme yapman gerekmez. “Sıfırla” ile sonraki PDF'ye geçebilirsin.

Aranabilir PDF, metin dosyası veya Word belgesi mi?

Metin tanıma, metni bulunabilir hâle getirir, ancak otomatik olarak düzenlenebilir yapmaz. Hangi dosyaya ihtiyacın olduğu, sonrasında onunla ne yapmak istediğine bağlıdır.

Üç olası sonucun karşılaştırması
Sonuç	Ne elde edersin?	Hangi işler için uygundur?
Aranabilir PDF	Her sayfa öncekiyle tamamen aynı görünür. Ek olarak, tanınan metni arayabileceğin, seçebileceğin ve kopyalayabileceğin görünmez bir katman içerir.	Belgeleri saklayıp daha sonra bulmak, uzun belgelerde arama yapmak, belirli bölümleri kopyalamak
Metin dosyası (TXT, UTF-8)	Yalnızca tanınan metni alırsın; görüntüler, yazı tipleri ve sayfa düzeni bulunmaz. Sayfalar sırayla yer alır ve bir sayfa sonu karakteriyle birbirinden ayrılır.	Metni başka bir programa aktarmak veya daha sonra işlemek
Word dosyası (DOCX)	Araç bu dosyayı oluşturmaz. Önce aranabilir PDF'yi kaydet, ardından PDF'yi Word'e dönüştür ile düzenlenebilir metne dönüştür. Bu işlemde sayfa görüntüsü ve düzeni aktarılmaz.	Metni yeniden yazmak ve biçimlendirmek

Sayfa görüntüsü değişmediği için aranabilir PDF, taramayla tamamen aynı görünür. Görünmez metin katmanında bazı kelimeler yanlış olsa bile bu böyledir. Tanımanın doğru olup olmadığını yalnızca arama ve kopyalanan metin gösterir. Ayrıca aranabilir bir PDF, otomatik olarak PDF/UA anlamında erişilebilir bir PDF veya PDF/A standardına uygun bir arşiv PDF'si değildir. Bu araç bunların hiçbirini oluşturmaz.

„Rechnung Müller & Söhne“ ve „Betrag: 1.234,56 EUR“ satırlarını içeren taranmış sayfadan bir kesit. Sayfa yalnızca bir görüntüden oluşur. — Her iki sayfa da aynı görünür. Fark dosyanın içindedir: aranabilir PDF ek olarak görünmez bir metin katmanı içerir. „Müller“ araması sözcüğü bulur ve metni seçip kopyalayabilirsin.
Metin tanıma, sözcükleri veya sayıları yanlış okuyabilir. Bu örnek, kendi belgelerin hakkında bir şey göstermez. Sonucunda özellikle adları, tutarları ve Almancadaki çift noktalı harfleri kontrol et.

Metin tanıma işleminden sonra aynı kesit. Görünümü değişmemiştir ve hâlâ „Rechnung Müller & Söhne“ ve „Betrag: 1.234,56 EUR“ ifadelerini gösterir. — Her iki sayfa da aynı görünür. Fark dosyanın içindedir: aranabilir PDF ek olarak görünmez bir metin katmanı içerir. „Müller“ araması sözcüğü bulur ve metni seçip kopyalayabilirsin.
Metin tanıma, sözcükleri veya sayıları yanlış okuyabilir. Bu örnek, kendi belgelerin hakkında bir şey göstermez. Sonucunda özellikle adları, tutarları ve Almancadaki çift noktalı harfleri kontrol et.

Dil seç: Almanca, İngilizce veya ikisi birden

Dil ayarı, tanıma sistemine hangi kelime ve karakterleri beklemesi gerektiğini söyler. ä, ö, ü ve ß içeren Almanca metinler için Almanca seç. Bir belge her iki dili de içeriyorsa, örneğin İngilizce teknik terimler veya İngilizce bir adres içeren Almanca bir yazıysa, Almanca ve İngilizce seç. Araç diğer diller için tasarlanmamıştır.

Dil seçimi çeviri yapmaz. Metin, taramada hangi dildeyse o dilde tanınır. Tanıma sistemi basılı metin için tasarlanmıştır; el yazısını güvenilir biçimde tanımaz.

Sonucu kontrol et: adlar, sayılar ve umlautlu harfler

Metin tanıma, görüntüdeki piksellerden harfleri çıkarır. Bu sırada, özellikle rakamlarda, özel adlarda ve birbirine benzeyen karakterlerde hatalar oluşabilir. Bu nedenle önemli belgelerde kısa bir kontrol yapmak faydalıdır:

Kaydedilen PDF'yi aç ve Ctrl+F (Mac: Cmd+F) ile taramada gördüğün bazı kelimeleri ara. Bir ad, “Straße” gibi umlaut veya ß içeren bir kelime ve bir sayı seçmen iyi olur.
Bir paragrafı seç, bir kelime işlemci programına kopyala ve taramayla karşılaştır. Adlar, 1.234,56 gibi tutarlar, tarihler, dosya referans numaraları ve umlautlu harfler doğru mu? 0 ile O veya 1 ile l gibi benzer karakterler karıştırılmış mı?
Sütunlarda ve tablolarda sıralamaya dikkat et. Sütunlar ve tablo hücreleri yeniden oluşturulmaz. Bu nedenle kopyalanan metinde sayfadakinden farklı bir sırada yer alabilirler.
Metin dosyasını seçtiysen aynı yerleri doğrudan dosyada kontrol et.

Tanınan metindeki hataları bu araçta düzeltemezsin. Önemli bilgilerde kopyalanan metne değil, görünür sayfa görüntüsüne güven.

Daha iyi kaynak, daha iyi tanıma

Birçok hata daha tarama sırasında oluşur; örneğin çok düşük çözünürlük, eğik yerleştirilen sayfalar, düşük kontrast, lekeler veya çok küçük yazılar nedeniyle. Bu yüzden önemli belgeleri mümkün olduğunca düz, net ve yüksek kontrastlı tara. Normal yazı boyutları için yaklaşık 300 dpi uygundur. Eğik sayfalar burada otomatik olarak düzeltilmez. Bir sayfa yan duruyorsa veya baş aşağıysa, metnin düz görünmesi için önce sayfayı döndür. Çözünürlüğün, eğikliğin ve görüntü parazitinin tanımayı nasıl etkilediği, İngilizce metin tanıma için görüntü kalitesi kılavuzunda açıklanır.

Sınırlar ve mesajlar: nasıl devam edebilirsin?

Birden fazla dosya için işlem kuyruğu yoktur. Tanıma için tek tek sayfa da seçemezsin; PDF'nin tüm sayfaları her zaman işlenir. Tablo, bir dosyanın hangi durumlarda reddedildiğini veya bir not gösterildiğini ve bu durumda ne yapabileceğini gösterir.

Metin tanımada sık karşılaşılan sınırlar ve notlar
Durum	Ne yapabilirsin?
PDF'nin sayfa sayısı 20 sınırını aşıyor.	PDF'yi böl ve en fazla 20 sayfalık bölümlerin her birinde ayrı ayrı metin tanıma işlemi yap. Buradaki bölme aracı en fazla 50 MiB boyutunda ve 250 sayfalık dosyaları işleyebilir. Sonunda yeniden tek bir dosyaya ihtiyacın varsa sonuçları birleştir ve birleştirilmiş PDF'de aramayı kontrol et.
PDF, 50 MiB boyutundan büyük.	Belgeleri daha küçük parçalar hâlinde yeniden tara veya PDF'yi bilgisayarındaki bir PDF programıyla böl.
Yalnızca belirli sayfalarda metin tanıma yapılması gerekiyor.	Bir kopyadan diğer sayfaları sil veya PDF'yi böl.
Bir sayfa hem metin hem de görüntü içeriyor.	PDF reddedilir. Çözümleri yukarıdaki karma içerikli sayfalar bölümünde bulabilirsin.
Örneğin bir plan veya afiş nedeniyle sayfa biçimi çok büyük.	Sayfalar en fazla 300 dpi ve en fazla 12 megapiksel ile tanınır. Bunun için bir sayfanın çözünürlüğünün 144 dpi altına düşmesi gerekirse PDF reddedilir. Bu durumda büyük belgeleri daha küçük bölümler hâlinde tara.
PDF imzalı, parola korumalı veya bozuk.	Araç bu tür dosyaları işlemez. İmzalı belgeler için imzalar ve formlar rehberinden yararlanabilirsin. Parola korumalı veya bozuk bir dosya söz konusuysa gönderenden yeni, korumasız bir sürüm iste.
Not: “Sayfa … zaten metin içeriyor ve metin tanıma yapılmadan aktarıldı.”	Bu sayfa zaten aranabilir durumdaydı. Arama yaparak metnin doğru olup olmadığını kontrol et.
Not: “Sayfa … üzerinde metin tanınamadı.”	Boş bir arka sayfada bu normaldir. Sayfada görünür metin varsa tarama muhtemelen çok soluk, çok küçük veya fazla eğiktir. Bu durumda sayfayı yeniden tara.
Belgenin tamamında hiçbir metin tanınamadı.	Dosya oluşturulmaz. Sayfalarda gerçekten okunabilir metin olup olmadığını kontrol et ve daha iyi bir kaynakla yeniden dene.
Tanınan karakterlerin aranabilir metin katmanına aktarılamadığına dair not.	Sayfa görüntüsü değişmeden kalır; yalnızca arama bu karakterleri bulamaz. Bu karakterlere ihtiyacın varsa çıktı biçimi olarak metin dosyasını seçip dosyada ayrıca metin tanıma işlemi yap. Karakterler o dosyada yer alır.
Tanıma verileri yüklenemiyor.	İnternet bağlantını kontrol et ve sayfayı yeniden yükle. Tanıma verileri tamamen yüklenmeden hiçbir dosya işlenemez.
Bir tanıma adımı üç dakikadan uzun sürüyor.	Bu durumda araç işlemi durdurur. Yoğun işlem gücü kullanan diğer programları veya sekmeleri kapat ve yeniden dene; gerekirse daha güçlü bir cihaz kullan.
Sonucun boyutu 100 MiB sınırını aşacak.	Dosya oluşturulmaz. PDF'yi bölüp parçalarda ayrı ayrı metin tanıma işlemi yap veya metin dosyasını seç.

PDF cihazında kalır mı? İnternet olmadan kullanılabilir mi?

PDF'n bu tarayıcıda işlenir ve bir sunucuya gönderilmez. Metin tanıma için sayfa yalnızca kendi programını ve seçilen dilin verilerini indirir; bunları harici hizmetlerden değil, bu web sitesinin kendisinden alır.

Bu nedenle başlangıçta internet bağlantısına ihtiyacın vardır; tanıma verileri olmadan hiçbir dosya işlenemez. Sonraki bir ziyaretinde de sayfanın bu verileri yeniden indirmesi gerekebilir. İnternet olmadan başlatma öngörülmemiştir ve bunun çalışacağı garanti edilmez.

Web sitesinin genel olarak dosyalarını nasıl işlediği, güvenlik ve dosya işleme sayfasında açıklanır.

OCR ile PDF metin tanıma

Sonuç

Sonuçla ilgili notlar