PDF OCR

தேடக்கூடிய PDF, சில நேரம் படம் மற்றும் உரை என அழைக்கப்படுவது, ஒவ்வொரு பக்கத்திற்கும் இரண்டை சேமிக்கிறது: படமாக அசல் ஸ்கேன், அச்சிட்ட சொற்களின் மேல் சரியாக வைக்கப்பட்ட அறிந்த உரையின் கண்ணுக்குத் தெரியாத அடுக்கு. வியூவர்கள் படத்தை வரைந்து, தேடல், தேர்வு, நகலெடுத்தல், ஸ்கிரீன் ரீடர்களுக்கு உரையைப் பயன்படுத்துகின்றன. தோற்றத்தில் எதுவும் மாறாது; அதனால் காப்பகங்கள், சட்ட அலுவலகங்கள், பதிவுத் துறைகள் ஸ்கேன் செய்த காகிதங்களுக்கு இதை விரும்புகின்றன.

PDF 2008-இல் ISO 32000 என்ற திறந்த தரநிலையானது; ISO 19005-இல் வரையறுக்கப்பட்ட காப்பக வடிவமான PDF/A, பல பத்தாண்டுகள் படிக்கக்கூடியதாக இருக்க வேண்டிய ஸ்கேன் பதிவுகளுக்கு பரவலாகப் பயன்படுகிறது. Adobe Acrobat இதே வேலையை Scan & OCR கருவியாக வழங்குகிறது; பல அலுவலக ஸ்கேனர்களிலும் "searchable PDF" வெளியீடு உண்டு. இங்கு கிடைக்கும் முடிவு எந்த வியூவரிலும் திறக்கும் சாதாரண PDF.

ஸ்கேனே பதிவாக இருக்கும்போது தேடக்கூடிய PDF சரியான தேர்வு: கையொப்பமிட்ட ஒப்பந்தம், பத்திரம், மருத்துவ அறிக்கை. பிற வெளியீடுகள் அறிந்த சொற்களிலிருந்து புதிய ஆவணத்தை உருவாக்குகின்றன; திருத்தும்போது இது பயனுள்ளது, ஆனால் நகல் அறிதலின் தரத்தைப் பொறுத்தது. ஏற்கெனவே உண்மையான உரை உள்ள PDF-இலிருந்து Word வேண்டுமென்றால் OCR இல்லாமல் உள்ள உரையைப் படிக்கும் PDF to Word பயன்படுத்தவும்; சொற்கள் மட்டும் வேண்டுமென்றால் ஸ்கேன் PDF-இலிருந்து உரை அதற்காக அமைக்கப்பட்டுள்ளது.

பக்கப் படங்களுடன் ஒப்பிடும்போது உரை மிகச் சிறியது என்பதால் உரை அடுக்கு கோப்பு அளவை சிறிதளவே கூட்டும். ஸ்கேன் ஏற்கெனவே பதிவேற்றப் படிவத்துக்கு மிகப் பெரிதாக இருந்தால், முதலில் OCR செய்து, பிறகு படிவம் அனுமதிக்கும் அளவுக்கு PDF-ஐ சுருக்குங்கள்.