OCR PDF

సెర్చ్ చేయగల PDF, కొన్నిసార్లు ఇమేజ్ ప్లస్ టెక్స్ట్ అంటారు, ప్రతి పేజీకి రెండు విషయాలను నిల్వ చేస్తుంది: చిత్రంగా అసలు స్కాన్, ముద్రిత పదాలపై సరిగ్గా ఉంచిన కనిపించని గుర్తించిన టెక్స్ట్ లేయర్. వ్యూయర్లు చిత్రాన్ని చూపి, సెర్చ్, ఎంపిక, కాపీ, స్క్రీన్ రీడర్ల కోసం టెక్స్ట్‌ను ఉపయోగిస్తాయి. రూపంలో ఏ మార్పూ ఉండదు, అందుకే ఆర్కైవ్‌లు, న్యాయ కార్యాలయాలు, రికార్డుల విభాగాలు స్కాన్ చేసిన కాగితాలకు దీన్ని ఇష్టపడతాయి.

PDF 2008లో ISO 32000 ఓపెన్ ప్రమాణంగా మారింది, ISO 19005లో నిర్వచించిన ఆర్కైవల్ ప్రొఫైల్ PDF/A దశాబ్దాల పాటు చదవగలిగేలా ఉండాల్సిన స్కాన్ రికార్డులకు విస్తృతంగా వాడతారు. Adobe Acrobat ఇదే పనిని Scan & OCR టూల్‌గా అందిస్తుంది, చాలా ఆఫీస్ స్కానర్లకు "searchable PDF" అవుట్‌పుట్ ఉంటుంది; ఇక్కడ వచ్చే ఫలితం ఏ వ్యూయర్‌లోనైనా తెరిచే సాధారణ PDF.

స్కానే రికార్డుగా ఉన్నప్పుడు సెర్చ్ చేయగల PDF సరైన ఎంపిక: సంతకం చేసిన ఒప్పందం, దస్తావేజు, వైద్య నివేదిక. ఇతర అవుట్‌పుట్‌లు గుర్తించిన పదాల నుండి కొత్త డాక్యుమెంట్ సృష్టిస్తాయి, ఎడిట్ చేయాలంటే ఉపయోగకరం, కానీ కాపీ నాణ్యత గుర్తింపు నాణ్యతపై ఆధారపడుతుంది. ఇప్పటికే నిజమైన టెక్స్ట్ ఉన్న PDF నుండి Word కావాలంటే PDF నుండి Word వాడండి, ఇది OCR లేకుండా ఉన్న టెక్స్ట్‌ను చదువుతుంది; పదాలు మాత్రమే కావాలంటే స్కాన్ చేసిన PDF నుండి టెక్స్ట్ దానికోసం సిద్ధంగా ఉంది.

పేజీ ఇమేజ్‌లతో పోలిస్తే టెక్స్ట్ చాలా చిన్నది కాబట్టి టెక్స్ట్ లేయర్ ఫైల్ సైజ్‌ను కొంచెం మాత్రమే పెంచుతుంది. స్కాన్ అప్‌లోడ్ ఫారమ్‌కు ఇప్పటికే చాలా పెద్దదైతే, ముందు OCR చేసి, తర్వాత ఫారమ్ అనుమతించే సైజ్‌కు PDFని కంప్రెస్ చేయండి.