PDF-ஐ Word ஆக மாற்றுவது எப்படி: 4 வழிகள், OCR | UltKit

எந்த கணினியிலும் ஆவணம் ஒரே மாதிரி அச்சாக வேண்டும் என்பதற்காக Adobe 1993-இல் PDF-ஐ வடிவமைத்தது; 2008-இல் அது ISO 32000-1 என்ற சர்வதேசத் தரமானது. இந்த உறுதியைக் காக்க, PDF பக்கம் என்பது வரைதல் வழிமுறைகளின் பட்டியல்: இந்த எழுத்துருவில் இந்த எழுத்துகளை இந்த ஆயத்தொலைவுகளில் வை, இங்கே ஒரு கோடு வரை, அங்கே ஒரு படத்தை வை. இரண்டாவது வரிக்குச் செல்லும் ஒரு வாக்கியம், ஒன்றின் கீழ் ஒன்றாக அமைந்த தொடர்பற்ற இரு உரைத் துண்டுகள் மட்டுமே. அவை ஒன்றுக்கொன்று சேர்ந்தவை என்று கோப்பில் எதுவும் சொல்வதில்லை.

Word ஆவணம் எதிர்மாறாக இயங்குகிறது. Office Open XML தரத்தால் (ECMA-376, பின்னர் ISO/IEC 29500) வரையறுக்கப்பட்ட DOCX கோப்பு பத்திகள், பாணிகள், அட்டவணைகள், பிரிவு இடைவெளிகள், தலைப்புகளைச் சேமிக்கிறது; பக்கத்தை அமைக்கும் ஒவ்வொரு முறையும் ஒவ்வொரு வரியும் எங்கே முறிய வேண்டும் என்பதை Word தீர்மானிக்கிறது. ஒரு சொல்லைச் சேர்த்தால் பத்தி மீண்டும் மடிகிறது. ஓரம், எழுத்துரு அல்லது தாள் அளவை மாற்றினால் ஒவ்வொரு வரியும் நகரும். திருத்தும்போது இதுவே தேவை; ஆனால் PDF இதை ஒருபோதும் பதிவு செய்யவில்லை, ஏனெனில் சேமித்த கணமே PDF முடிந்துவிட்டது.

எனவே PDF-ஐ Word ஆக மாற்றுவது பிரித்தெடுப்பு அல்ல, மறுகட்டமைப்பு. எந்த வரிகள் ஒரே பத்தி, எந்த தடித்த வரி சிறு தடித்த வாக்கியமல்ல தலைப்பு, எந்த சீரமைந்த சொற்கள் அட்டவணை, இரு பத்திகளை எந்த வரிசையில் படிக்க வேண்டும் என்பதை மாற்றி ஊகிக்க வேண்டும். நல்ல மாற்றிகள் சுத்தமான ஆவணங்களில் நன்றாகவும், நெரிசலான ஆவணங்களில் மோசமாகவும் ஊகிக்கும். PDF குறிச்சொற்களுடன் (அணுகல்தன்மைக்கான கட்டமைப்பு அடுக்கு) ஏற்றுமதி செய்யப்பட்டிருந்தால், தலைப்புகள், பட்டியல்கள், படிக்கும் வரிசை தெளிவாகப் பதிவாகியிருப்பதால் ஊகங்கள் மேம்படும்.

.pdf என்று முடியும் இரண்டு முற்றிலும் வேறுபட்ட வகைகள் உள்ளன. உரை PDF என்பது Word, Google Docs, கணக்கியல் அமைப்பு அல்லது உலாவியின் அச்சு உரையாடலிலிருந்து ஏற்றுமதி செய்யப்பட்டது; தேர்ந்தெடுக்கவும், நகலெடுக்கவும், தேடவும் முடியும் உண்மையான எழுத்துகள் அதில் உள்ளன. ஸ்கேன் PDF என்பது ஸ்கேனர், நகலி அல்லது போன் செயலியால் உருவானது; ஒவ்வொரு பக்கமும் காகிதத்தின் புகைப்படம். திரையில் உரை தெளிவாகத் தெரிந்தாலும், மாற்றிக்கு ஸ்கேன் பக்கத்தில் சொற்களே இல்லை, பிக்சல்கள் மட்டுமே. கோப்பின் பெயரோ ஐகானோ எதையும் சொல்லாது; கோப்பு மேலாளரில் இரண்டும் ஒரே மாதிரி தெரியும்.

திருத்தக்கூடிய எதுவும் கிடைக்க, ஸ்கேன் பக்கம் முதலில் ஒளியியல் எழுத்து அறிதல் (OCR) வழியாகச் செல்ல வேண்டும். OCR எழுத்துகளின் வடிவங்களைப் பார்த்து உரையாக்குகிறது; அதன் துல்லியம் தெளிவுத்திறன், மாறுபாடு, சாய்வு, மொழியைப் பொறுத்தது. சுத்தமான 300 dpi கருப்பு-வெள்ளை ஸ்கேன் கிட்டத்தட்ட சரியாகப் படிக்கப்படும்; மேசை விளக்கின் கீழ் சாய்வாக எடுத்த போன் புகைப்படத்தில் ஒவ்வொரு பத்தியிலும் எழுத்துப்பிழைகள் வரும். OCR இல்லாத மாற்றிகள் வெற்று ஆவணத்தை அல்லது ஒவ்வொரு பக்கமும் ஒரே படமாக ஒட்டப்பட்ட Word கோப்பைத் தரும்.

நடைமுறையில் பல கோப்புகள் கலவையானவை: இறுதியில் ஸ்கேன் செய்த கையொப்பப் பக்கத்துடன் உரையாக ஏற்றுமதி செய்த ஒப்பந்தம், அல்லது ஸ்கேன் செய்த ரசீதுகளின் இணைப்புடன் ஒரு அறிக்கை. ஒவ்வொரு பக்கத்தையும் தனித்தனியாகச் சோதிக்கும் மாற்றி இவற்றை நன்றாகக் கையாளும்; உரைப் பக்கங்களை நேரடியாகப் படித்து, தேவையான இடத்தில் மட்டுமே OCR பயன்படுத்துவதால் ஏற்றுமதியான பக்கங்கள் எழுத்துக்கு எழுத்து சரியாக இருக்கும். ஸ்கேன்களை நீங்களே உருவாக்கினால், OCR-க்கு சிறந்த வாய்ப்பளிக்கும் தெளிவுத்திறனையும் வெளிச்சத்தையும் ஆவணங்களை PDF ஆக ஸ்கேன் செய்தல் வழிகாட்டி விளக்குகிறது.

Word 2013 முதல் Microsoft Word PDF-களை நேரடியாகத் திறக்கிறது; Microsoft இதை PDF Reflow என்கிறது. Word ஏற்கனவே நிறுவியிருந்தால் இதுவே தெளிவான தேர்வு; எளிய கடிதங்கள், அறிக்கைகளில் நன்றாக வேலை செய்யும். ஒரு நேரத்தில் ஒரு கோப்பை மட்டுமே மாற்றும். Google Docs, Google Drive வழியாக இதே போன்ற வழியைத் தருகிறது. Google-இன் PDF-ஐ உரையாக மாற்றும் உதவிப் பக்கம் 2 MB அல்லது அதற்கு சிறிய கோப்புகளைப் பரிந்துரைத்து, பட்டியல்கள், அட்டவணைகள், பத்திகள், அடிக்குறிப்புகள், இறுதிக்குறிப்புகள் கண்டறியப்பட வாய்ப்பில்லை என்கிறது; நடைமுறையிலும் இதுவே: சொற்கள் வரும், கட்டமைப்பு பெரும்பாலும் வராது.

Adobe Acrobat Standard மற்றும் Pro, Export PDF கருவி மூலம் Word-க்கு ஏற்றுமதி செய்து, ஸ்கேன் பக்கங்களில் உரை அறிதலைத் தானாக இயக்கும். Acrobat கட்டணச் சந்தா; இலவச Acrobat Reader-இல் ஏற்றுமதி இல்லை. உலாவி மாற்றி இவற்றுக்கு இடையில் உள்ளது: எதுவும் நிறுவ வேண்டியதில்லை, எந்த இயக்க முறைமையிலும் வேலை செய்யும், பொதுவாக ஓடும் உரை அல்லது துல்லிய தளவமைப்பு என்ற தேர்வைத் தரும். PDF to Word பக்கத்தில், Auto-வில் உள்ள உரை அறிதல் (OCR) உரை அடுக்கு இல்லாத பக்கங்களை மட்டுமே படிக்கும்; ஆங்கிலம் அல்லாத ஸ்கேன்களுக்கு ஆவண மொழி OCR எழுத்துகளை அமைக்கும்.

Word-இன் PDF Reflow சாதாரண Open உரையாடலில் உள்ளது; அதனால் பலர் அதைக் கவனிப்பதே இல்லை. இது Windows-இல் Word 2013, 2016, 2019, 2021, Microsoft 365-இல் வேலை செய்யும். PDF-ஐ திருத்தக்கூடிய ஆவணமாக மாற்றும் என்றும், சிறிது நேரம் ஆகலாம் என்றும், குறிப்பாக நிறைய வரைகலை இருந்தால் முடிவு அசலைப் போலவே இருக்காது என்றும் Word அறிவிப்பு காட்டும். OK அழுத்தினால் மாற்றிய நகல் புதிய, சேமிக்கப்படாத ஆவணமாகத் திறக்கும்; PDF ஒருபோதும் மாறாது.

ஒன்றுக்கும் மேற்பட்ட பக்கங்களில் நீளும் அடிக்குறிப்புகள், இறுதிக்குறிப்புகள், PDF புத்தகக்குறிகள், கருத்துகள், glow அல்லது shadow போன்ற எழுத்துரு விளைவுகள் மாறாமல் போகலாம் என்று Microsoft-இன் ஆவணமே பட்டியலிடுகிறது. நடைமுறையில், பக்கப்பட்டிகள், மேற்கோள் பெட்டிகள், பல பத்தி இதழ் பக்கங்களை Word மிதக்கும் உரைப் பெட்டிகளாக மாற்றுவதும் உண்டு; அவை சரியாகத் தெரியும், ஆனால் திருத்த சலிப்பாக இருக்கும். ஸ்கேனின் மொழிக்கு Word-இல் அமைப்பும் இல்லை; எனவே ஸ்கேன் பக்கங்களில் உச்சரிப்பு அல்லது லத்தீன் அல்லாத உரை நம்பகமற்றது. இருப்பினும் ஒரு பக்கக் கடிதம் அல்லது எளிய அறிக்கைக்கு இதுவே பெரும்பாலும் விரைவான வழி; முடிவும் நீங்கள் பயன்படுத்தும் எடிட்டரிலேயே இருக்கும்.

உண்மையான தலைப்புகளுடன் ஒற்றை நெடுவரிசை உரை எந்தக் கருவியிலும் நன்றாக மாறும்: கடிதங்கள், கட்டுரைகள், ஒப்பந்தங்கள், பெரும்பாலான அறிக்கைகள். தடித்த எழுத்து, சாய்வு எழுத்து, புள்ளிப் பட்டியல்கள், கோடுகள் தெரியும் எளிய அட்டவணைகள் பொதுவாக அப்படியே வரும். மாற்றி படங்களை வைத்திருக்கும் வரை அவையும் வரும்; உலாவி வழியில் இதற்கான விருப்பம் படங்களை வைத்திரு, DOCX-க்கு இது இயல்பாகவே இயக்கத்தில் இருக்கும். PDF-இல் உண்மையான இணைப்புகளாக இருந்த ஹைப்பர்லிங்க்குகள் பொதுவாக நிலைக்கும்; இணைப்பாகவே இல்லாத நீல அடிக்கோடிட்ட உரை சாதாரண உரையாகவே இருக்கும். அசல் அமைப்பு எவ்வளவு தெளிவாகவும் வழக்கமாகவும் இருக்கிறதோ, அவ்வளவு குறைவாகவே மாற்றம் உங்களுக்குத் தெரியும்.

பக்க அமைப்பே பொருளைத் தாங்கும் இடங்களில் சிக்கல் தொடங்குகிறது. இரு நெடுவரிசை உரை கீழ்நோக்கிப் படிக்கப்படாமல் குறுக்காகப் படிக்கப்படலாம். கோடுகள் இல்லாத அட்டவணைகளைக் கண்டறிவது கடினம்; அவை டேப் பிரித்த வரிகளாக வரலாம். தலைப்பு, அடிக்குறிப்பு, பக்க எண்கள் ஒவ்வொரு பக்கத்திலும் சாதாரண உரையாக வரையப்பட்டிருப்பதால், அவை பெரும்பாலும் உடலின் நடுவே, பக்கத்துக்கு ஒன்றாக வந்து விழுகின்றன. நிரப்பக்கூடிய படிவப் புலங்கள் சாதாரண உரையாகத் தட்டையாக்கப்படும் அல்லது இழக்கப்படும். உங்கள் கணினியில் இல்லாத உட்பொதிந்த எழுத்துருக்கள் நெருங்கிய எழுத்துருவால் மாற்றப்படுவதால் வரி நீளம் மாறும். பெரும்பாலும் அட்டவணைகளாக உள்ள ஆவணங்களுக்கு ஸ்ப்ரெட்ஷீட் சிறந்த இலக்கு; படங்கள் மற்றும் PDF-களில் இருந்து அட்டவணைகளை எடுப்பது பற்றிப் பாருங்கள்.

எதையும் திருத்துவதற்கு முன், மாற்றத்தைச் சரிபார்க்க இரண்டு நிமிடம் செலவிடுங்கள்; பாதி உரையை மாற்றி எழுதிய பிறகு சரிசெய்வதை விட, கட்டமைப்புச் சிக்கலை தொடக்கத்திலேயே சரிசெய்வது எளிது. PDF-ஐயும் Word கோப்பையும் அருகருகே வைத்து இரண்டையும் ஸ்க்ரோல் செய்து பாருங்கள். பக்க எல்லைகளில் விடுபட்ட பத்திகள், உடலில் மீண்டும் வந்த தலைப்புகள், தனி வரிகளாக மாறிய அட்டவணைகள் ஆகியவற்றைக் கவனியுங்கள். வடிவமைப்புக் குறிகளை இயக்கினால், ஒவ்வொரு வரியின் முடிவிலும் பத்திக் குறி இருப்பது பத்திகளுக்குப் பதிலாக வரி வரியான அமைப்பு கிடைத்ததைக் காட்டும்; ஓடும் உரை மூலம் மீண்டும் மாற்றுவது வரிகளைக் கையால் இணைப்பதை விட வேகமாகச் சரிசெய்யும்.

ஸ்கேன் பக்கங்களுக்கு எழுத்துப்பிழை சரிபார்ப்பை இயக்குங்கள்; எழுத்துப்பிழை சரிபார்ப்பான்கள் புறக்கணிக்கும் எண்களில் கூடுதல் கவனம் செலுத்துங்கள். OCR பொதுவாக 0 என்ற இலக்கத்தை O என்ற எழுத்தோடும், 1-ஐ l உடனும், 5-ஐ S உடனும் குழப்புகிறது; விலைப்பட்டியல் அல்லது ஒப்பந்தத்தில் பத்து எழுத்துப்பிழைகளை விட ஒரு தவறான இலக்கம் அதிக பாதிப்பை உண்டாக்கும். முழுப் பத்திகளும் குழம்பியிருந்தால், கையால் திருத்தும் முன் ஆவண மொழியைச் சரிபார்த்து மீண்டும் மாற்றுங்கள். அமைப்பைச் சரிசெய்யவே முடியாவிட்டால், சுத்தமான உரையை உங்கள் சொந்த டெம்ப்ளேட்டில் புதிய ஆவணத்தில் நகலெடுங்கள்; டெக்ஸ்ட் பாக்ஸ்களைச் சிக்கலவிழ்ப்பதை விட இது பெரும்பாலும் வேகமானது.

ஒவ்வொரு மாற்றியும், எங்கோ ஏற்கெனவே திருத்தக்கூடிய வடிவில் இருந்த ஆவணத்தை மீண்டும் உருவாக்க முயல்கிறது. PDF சக ஊழியர், வாடிக்கையாளர் அல்லது உங்களிடமிருந்தே வந்திருந்தால், அசல் DOCX, Google Doc அல்லது InDesign கோப்பு எந்த மாற்றத்தையும் விடச் சிறந்தது: ஸ்டைல்கள் அப்படியே, அட்டவணைகள் உண்மையானவை, டிராக் செய்த மாற்றங்களும் கருத்துரைகளும் பாதுகாக்கப்படும். மூலக் கோப்பைக் கேட்டு ஒரு சிறு மின்னஞ்சல் அனுப்பினால் ஒரு மணி நேரத் துப்புரவு மிச்சமாகும்; பெரும்பாலானோர் தவறாக எடுத்துக்கொள்வதில்லை. மாற்றிய கோப்பு முடிந்தது போலத் தெரிவதால், மாற்றத்தில் புகுந்த சிறு பிழைகள் கவனிக்கப்படாமல் அடுத்த பதிப்புக்குச் செல்லும் நுட்பமான சிக்கலையும் இது தவிர்க்கும்.

அதிகம் திருத்தப் போகும் நீண்ட ஆவணங்கள், மீண்டும் பயன்படுத்தும் டெம்ப்ளேட்கள், சிக்கலான அட்டவணைகள் அல்லது படிவங்கள் உள்ளவை, ஒரு இலக்கம் தவறாகப் படிக்கப்பட்டாலும் ஆபத்தான சட்ட, நிதி ஆவணங்கள் ஆகியவற்றுக்கு முதலில் கேட்பதே சரி. மூலம் தொலைந்திருந்தால், PDF என்பது டிஜிட்டல் அசல் இல்லாத காகிதத்தின் ஸ்கேன் என்றால், அல்லது சில பத்திகள் மட்டும் தேவைப்பட்டால் மாற்றுவதே சரி. அந்த நிலையில் PDF மாற்றி சாதாரண உரையையும் தரும்; மேற்கோள் காட்ட, முழு வடிவமைப்புள்ள Word கோப்பை விட இது சுத்தமானது.

கையொப்பமிட்ட அல்லது சான்றளிக்கப்பட்ட PDF ஒரு சிறப்பு நிலை. அதை Word-க்கு மாற்றினால் கையொப்பமும் அதன் செல்லுபடியும் நீங்கும்; எனவே Word கோப்பை வேலைக்கான நகலாக மட்டும் கருதுங்கள். திருத்திய பதிப்பை அனுப்ப வேண்டுமெனில், Word நகலில் மாற்றங்களைச் செய்து மீண்டும் PDF ஆக ஏற்றுமதி செய்து மீண்டும் கையொப்பம் பெறுங்கள்; மாற்றிய கோப்பைக் கையொப்பமிட்ட அசலாகக் காட்டாதீர்கள். சான்றிதழ் அல்லது அதிகாரப்பூர்வ முத்திரை உள்ள PDF-களுக்கும் இது பொருந்தும்: காட்சிக் குறி நிலைக்கலாம், ஆனால் அதன் டிஜிட்டல் சான்று நிலைக்காது.