PDF-i Word-ə necə çevirmək: 4 üsul, OCR və nə pozulur

Adobe PDF-i 1993-cü ildə sənədin istənilən kompüterdə eyni çap olunması üçün yaratdı və format 2008-ci ildə ISO 32000-1 beynəlxalq standartına çevrildi. Bu vədi yerinə yetirmək üçün PDF səhifəsi çəkiliş əmrlərinin siyahısıdır: bu qlifləri bu şriftlə bu koordinatlara yerləşdir, burada xətt çək, orada şəkil qoy. İkinci sətirə keçən cümlə sadəcə bir-birinin altında dayanan iki əlaqəsiz mətn parçasıdır. Faylda onların bir yerə aid olduğunu göstərən heç nə yoxdur.

Word sənədi isə əksinə işləyir. Office Open XML standartı (ECMA-376, sonradan ISO/IEC 29500) ilə təyin olunan DOCX faylı abzasları, üslubları, cədvəlləri, bölmə sonlarını və başlıqları saxlayır, hər sətrin harada bitəcəyini isə Word səhifəni hər dəfə yerləşdirəndə özü müəyyən edir. Söz əlavə edəndə abzas yenidən düzülür. Sahəni, şrifti və ya kağız ölçüsünü dəyişəndə bütün sətirlər yerini dəyişir. Redaktə zamanı məhz bu lazımdır, PDF isə bunu heç vaxt qeyd etməyib, çünki PDF saxlanılan anda tamamlanmış olur.

Beləliklə, PDF-i Word-ə çevirmək açmaq yox, yenidən qurmaqdır. Çevirici hansı sətirlərin bir abzas təşkil etdiyini, hansı qalın sətrin qısa qalın cümlə yox, başlıq olduğunu, hansı düzülmüş sözlərin cədvəl yaratdığını və iki sütunun hansı ardıcıllıqla oxunacağını təxmin etməlidir. Yaxşı çeviricilər səliqəli sənədlərdə yaxşı, sıx sənədlərdə pis təxmin edir. PDF teqlərlə (əlçatanlıq üçün struktur qatı) ixrac olunubsa, təxminlər yaxşılaşır, çünki teqlər başlıqları, siyahıları və oxu ardıcıllığını açıq saxlayır.

.pdf ilə bitən iki çox fərqli şey var. Mətnli PDF Word-dən, Google Docs-dan, mühasibat sistemindən və ya brauzerin çap pəncərəsindən ixrac olunub və seçib kopyalaya, axtara biləcəyiniz real simvollar ehtiva edir. Skan edilmiş PDF isə skaner, printer-kopya aparatı və ya telefon tətbiqi ilə yaradılıb və hər səhifə kağızın fotosudur. Çevirici üçün skan edilmiş səhifədə heç bir söz yoxdur, yalnız piksellər var, mətn ekranda tam aydın görünsə belə. Fayl adı və ikon heç nə demir; fayl menecerində iki növ eyni görünür.

Skan edilmiş səhifədən redaktə oluna bilən bir şey almaq üçün o, əvvəlcə optik simvol tanıma (OCR) mərhələsindən keçməlidir. OCR hərflərin formasına baxıb onları mətnə çevirir və dəqiqliyi ayırdetmə, kontrast, əyrilik və dildən asılıdır. Təmiz 300 dpi ağ fonda qara skan demək olar ki, mükəmməl oxunur; stolüstü lampa altında bucaqla çəkilmiş telefon fotosu isə hər abzasda səhv yaradır. OCR-sız çeviricilər ya boş sənəd, ya da hər səhifə bir şəkil kimi yapışdırılmış Word faylı verir.

Real faylların çoxu qarışıqdır: mətn kimi ixrac edilmiş müqavilə və sonunda skan edilmiş imza səhifəsi, yaxud skan edilmiş qəbzlərdən ibarət əlavəsi olan hesabat. Hər səhifəni ayrıca yoxlayan çevirici bunlarla ən yaxşı işləyir, çünki mətn səhifələrini birbaşa oxuyur, OCR-ı yalnız lazım olan yerdə işlədir və ixrac olunan səhifələr simvol baxımından dəqiq qalır. Skanları özünüz hazırlayırsınızsa, sənədləri PDF-ə skan etmək bələdçisi OCR-a ən yaxşı şans verən ayırdetmə və işıqlandırmanı izah edir.

Microsoft Word 2013-dən bəri PDF-ləri birbaşa açır, Microsoft bu funksiyanı PDF Reflow adlandırır. Word artıq quraşdırılıbsa, bu, aydın seçimdir və sadə məktub və hesabatlarda yaxşı işləyir. Fayllar birbir çevrilir. Google Docs Google Drive vasitəsilə oxşar yol təklif edir. Google-un PDF-in mətnə çevrilməsi haqqında kömək səhifəsi 2 MB və ya daha kiçik faylları tövsiyə edir və siyahıların, cədvəllərin, sütunların, izahat və son qeydlərin böyük ehtimalla tanınmayacağını bildirir; bu, praktikada gördüyünüzlə üst-üstə düşür: sözlər gəlir, struktur çox vaxt gəlmir.

Adobe Acrobat Standard və Pro Export PDF aləti ilə Word-ə ixrac edir və skan edilmiş səhifələrdə mətn tanımanı avtomatik işlədir. Acrobat ödənişli abunədir, pulsuz Acrobat Reader isə ixracı daxil etmir. Brauzer çeviricisi bunların arasında yer alır: heç nə quraşdırmaq lazım deyil, istənilən əməliyyat sistemində işləyir və adətən axan mətn ilə dəqiq düzülüş arasında seçim təklif edir. PDF-i Word-ə çevirmək səhifəsində Auto vəziyyətindəki Mətnin tanınması (OCR) yalnız mətn qatı olmayan səhifələri oxuyur, Sənədin dili isə ingilis dilində olmayan skanlar üçün OCR əlifbasını təyin edir.

Word-ün PDF Reflow funksiyası adi Open pəncərəsindədir, buna görə çoxları onu fərq etmir. Windows-da Word 2013, 2016, 2019, 2021 və Microsoft 365-də işləyir. Word PDF-i redaktə oluna bilən sənədə çevirəcəyini, bunun bir qədər çəkə biləcəyini və nəticənin, xüsusən faylda çoxlu qrafika varsa, orijinala tam bənzəməyə biləcəyini bildirir. OK basın və çevrilmiş surət yeni, saxlanmamış sənəd kimi açılır; PDF-in özü heç vaxt dəyişmir.

Microsoft-un öz sənədləşdirməsi çevrilməyə bilən elementləri sadalayır: bir neçə səhifəyə yayılan izahatlar, son qeydlər, PDF əlfəcinləri və şərhlər, parıltı və ya kölgə kimi şrift effektləri. Praktikada Word yan panelləri, sitat bloklarını və çoxsütunlu jurnal səhifələrini üzən mətn qutularına çevirir; onlar düzgün görünür, amma redaktəsi yorucudur. Word-də skanın dili üçün ayar da yoxdur, ona görə skan edilmiş səhifələrdə vurğulu və ya qeyri-latın mətn şansa qalır. Bununla belə, bir səhifəlik məktub və ya sadə hesabat üçün bu, çox vaxt ən sürətli yoldur və nəticə artıq işləyəcəyiniz redaktordadır.

Real başlıqları olan tək sütunlu əsas mətn istənilən alətlə yaxşı çevrilir: məktublar, esselər, müqavilələr, əksər hesabatlar. Qalın, kursiv, işarəli siyahılar və görünən haşiyəli sadə cədvəllər adətən qalır. Şəkillər çevirici onları saxladıqca gəlir; brauzer yolunda bu, DOCX üçün susmaya görə aktiv olan Şəkilləri saxla seçimidir. Hiperlinklər PDF-də real link olubsa, ümumiyyətlə qalır; heç vaxt link olmayan mavi altından xətli mətn adi mətn olaraq qalır. Orijinal düzülüş nə qədər təmiz və ənənəvi olarsa, çevirmə bir o qədər az hiss olunur.

Problem səhifə düzülüşünün məna daşıdığı yerdən başlayır. İki sütunlu mətn aşağıya doğru yox, eninə oxuna bilər. Xətsiz cədvəllər çətin tanınır və tabla ayrılmış sətirlər kimi gələ bilər. Başlıqlar, altlıqlar və səhifə nömrələri hər səhifədə adi mətn kimi çəkilir, ona görə tez-tez əsas mətnin ortasına düşür, hər səhifədə bir dəfə. Doldurula bilən form sahələri adi mətnə çevrilir və ya itir. Kompüterinizdə olmayan quraşdırılmış şriftlər ən yaxın uyğunla əvəz olunur və bu, sətir uzunluqlarını dəyişir. Əsasən cədvəllərdən ibarət sənədlər üçün cədvəl hesablama faylı daha yaxşı hədəfdir; bax: şəkil və PDF-dən cədvəl çıxarmaq.

Nəyisə redaktə etməzdən əvvəl çevirməni yoxlamağa iki dəqiqə ayırın, çünki struktur problemi mətnin yarısını yenidən yazandan sonra yox, əvvəldə düzəltmək daha asandır. PDF ilə Word faylını yan-yana qoyub hər ikisini vərəqləyin. Səhifə sərhədlərində itmiş abzasları, əsas mətndə təkrarlanan başlıqları və səpələnmiş sətirlərə çevrilmiş cədvəlləri axtarın. Format işarələri açıq olduqda hər sətrin sonundakı abzas işarəsi abzas əvəzinə sətir-sətir düzülüş aldığınızı göstərir; Axan mətn ilə yenidən çevirmək adətən sətirləri əllə birləşdirməkdən tez düzəldir.

Skan edilmiş səhifələrdə orfoqrafiya yoxlaması aparın və orfoqrafiya yoxlayıcılarının nəzərə almadığı rəqəmlərə xüsusi diqqət yetirin. OCR adətən 0 rəqəmini O hərfi ilə, 1-i l ilə, 5-i S ilə qarışdırır və qaimə və ya müqavilədə bir səhv rəqəm on səhv hərfdən vacibdir. Bütöv abzaslar pozulubsa, əllə düzəltməzdən əvvəl Sənədin dili ayarını yoxlayıb yenidən çevirin. Düzülüş düzəlməz olarsa, təmiz mətni öz şablonunuz əsasında yeni sənədə köçürün; bu, mətn qutularını açmaqdan çox vaxt daha sürətlidir.

Hər çevirici haradasa redaktə oluna bilən formada artıq mövcud olmuş sənədi tərs mühəndislik yolu ilə bərpa edir. PDF həmkardan, müştəridən və ya özünüzdən gəlibsə, orijinal DOCX, Google Doc və ya InDesign faylı demək olar ki, həmişə istənilən çevirmədən yaxşıdır: üslublar yerindədir, cədvəllər real, izlənən dəyişikliklər və şərhlər qorunub. Mənbə istəyən qısa e-poçt bir saatlıq təmizləməyə qənaət edə bilər və insanlar buna nadir hallarda etiraz edir. Bu, daha incə problemin də qarşısını alır: çevrilmiş fayl bitmiş görünür, ona görə çevirmənin gətirdiyi kiçik xətalar fərq edilmədən növbəti versiyaya keçə bilər.

Əvvəlcə soruşmaq çox redaktə edəcəyiniz uzun sənədlər, təkrar istifadə edəcəyiniz şablonlar, mürəkkəb cədvəl və ya formaları olan hər şey, bir səhv oxunmuş rəqəmin risk yaratdığı hüquqi və maliyyə sənədləri üçün düzgün seçimdir. Mənbə itibsə, PDF heç vaxt rəqəmsal orijinalı olmayan kağızın skanıdırsa və ya yalnız bir neçə abzası götürmək lazımdırsa, çevirmək düzgündür. Bu halda PDF çeviricisi sadə mətn də verir və o, sitat gətirmək üçün tam formatlı Word faylından daha təmizdir.

İmzalanmış və ya sertifikatlı PDF xüsusi haldır. Onu Word-ə çevirmək imzanı və onun etibarlılığını silir, ona görə Word faylına yalnız iş surəti kimi baxın. Redaktə olunmuş versiyanı geri göndərmək lazımdırsa, dəyişiklikləri Word surətində edin, yenidən PDF-ə ixrac edin və yenidən imzalatdırın; çevrilmiş faylı imzalı orijinal kimi təqdim etməyin. Sertifikasiyası və ya rəsmi möhürü olan PDF-lərə də eyni aiddir: görünən işarə qala bilər, rəqəmsal sübutu isə qalmır.