اسکین شدہ PDF سے ٹیکسٹ کنورٹر

Q: دو کالم والے صفحے کا ٹیکسٹ آپس میں گڈمڈ کیوں ہو جاتا ہے؟

جب **متن کی ترتیب** ترتیب برقرار رکھیں پر ہو، جو یہاں طے شدہ ہے، تو کالم الگ رکھے جاتے ہیں۔ اگر پھر بھی دونوں کالموں کی سطریں گڈمڈ ہوں تو اسکین میں ان کے درمیان خلا کم ہے؛ سیدھے صفحات کی صاف اسکین سے عموماً مسئلہ حل ہو جاتا ہے۔

اگر آپ PDF میں ایک لفظ بھی ہائی لائٹ نہیں کر پاتے تو وہ اسکین ہے: صفحات کی تصاویر کا مجموعہ جس کے اندر کوئی ٹیکسٹ نہیں۔ اسے یہاں اپ لوڈ کریں، OCR ہر صفحے کو پڑھ کر سادہ متن میں بدل دے گا جسے آپ کاپی، تلاش اور ایڈٹ کر سکتے ہیں۔

یا PDF, JPG, JPEG … فائلیں یہاں ڈراپ کریں ·

زیادہ سے زیادہ 95 MB فی فائل· 20 فائلوں تک· 30 منٹ بعد حذف

آؤٹ پٹ

دستاویز کی زبان

آؤٹ پٹ

متن کی قسم

فائلیں ہمارے سرورز پر پروسیس ہوتی ہیں اور 30 منٹ بعد حذف ہو جاتی ہیں۔

اس ٹول کو استعمال کرنے کا طریقہ

1
اسکین شدہ PDF اپ لوڈ کریں
PDF شامل کریں، یا زیادہ سے زیادہ 20 فائلیں، ہر ایک 95 MB تک۔ کئی صفحات والی TIFF اسکین اور ایک صفحے کی تصاویر بھی چلتی ہیں۔
2
زبان اور صفحات منتخب کریں
دستاویز کی زبان English ہے اور آؤٹ پٹ سادہ متن (.txt) ہے۔ دوسری دستاویزات کے لیے زبان بدلیں، اور اعلیٰ سیٹنگز میں صفحات کے ذریعے لمبی فائل کا صرف ایک حصہ پڑھوائیں۔
3
ٹیکسٹ پہچانیں
متن پہچانیں دبائیں۔ پہلے صفحات سیدھے اور درست رخ میں کیے جاتے ہیں، پھر ترتیب سے پڑھ کر ایک ٹیکسٹ فائل بنا دی جاتی ہے۔

اسکین شدہ PDF بمقابلہ قابلِ تلاش PDF: ٹیکسٹ کیوں غائب ہوتا ہے

صرف تصویری PDFاسکین شدہ PDF · غیر سرچ ایبل PDF · فلیٹ PDF: ایسی PDF جس کے صفحات تصاویر کی صورت میں محفوظ ہوں، جو عموماً اسکینر، کاپی مشین کے اسکین ٹو ای میل فیچر یا فون کی اسکینگ ایپ سے بنتی ہے۔ یہ دستاویز جیسی لگتی ہے مگر اس کے اندر حروف کے کوڈ نہیں ہوتے، اس لیے کچھ منتخب، تلاش یا بلند آواز سے پڑھا نہیں جا سکتا۔

Word یا براؤزر سے برآمد کی گئی عام PDF میں ٹیکسٹ آبجیکٹ ہوتے ہیں: ہر لفظ فونٹ اور مقام کے ساتھ حروف کی صورت میں محفوظ ہوتا ہے، اس لیے تلاش اور کاپی چلتی ہے۔ اسکینر یہ سب چھوڑ کر ہر صفحے کی ایک تصویر محفوظ کرتا ہے۔ کمپیوٹر کے لیے آپ کے معاہدے والا صفحہ اور بلی کی تصویر ایک ہی قسم کا ڈیٹا ہیں۔

OCR گم شدہ پرت دوبارہ بناتا ہے۔ صفحے کی تصویر صاف کی جاتی ہے، سطریں اور الفاظ تلاش کیے جاتے ہیں، اور ہر حرف کی شکل منتخب دستاویز کی زبان کے حروف تہجی سے ملائی جاتی ہے۔ یہ صفحہ نتیجہ سادہ متن کی صورت میں دیتا ہے۔ سرچ ایبل PDF دوسرا عام نتیجہ ہے: اسکین نظر آتی رہتی ہے اور پہچانے گئے الفاظ اس کے پیچھے غیر مرئی متن کے طور پر شامل ہو جاتے ہیں، جس کی اجازت PDF معیار ISO 32000 ہمیشہ سے دیتا آیا ہے۔

مفت Adobe Acrobat Reader اسکین دکھا سکتا ہے مگر OCR نہیں چلاتا؛ پہچان ادا شدہ Acrobat ورژنز کا حصہ ہے۔ جب الفاظ ایک بار چاہییں اور نئی سبسکرپشن نہیں لینی تو کنورٹر مختصر راستہ ہے۔ اگر اسکین پھر بھی کمزور آئیں تو ہماری گائیڈ دستاویزات کو PDF میں اسکین کرنے کا طریقہ میں اسکینر اور فون کی سیٹنگز بتائی گئی ہیں۔

اسکین شدہ PDF سے ٹیکسٹ نکالنے کے لیے اسکین ریزولوشن

Size	Pixels	cm	in	DPI	Fits
Letter	1700 × 2200	21.59 × 27.94	8.5 × 11	200	صرف بڑی صاف چھپائی کے لیے؛ چھوٹے متن میں اندازہ لگایا جاتا ہے
Letter	2550 × 3300	21.59 × 27.94	8.5 × 11	300	چھپے ہوئے صفحات کے OCR کے لیے معیاری
A4	2480 × 3508	21 × 29.7	8.27 × 11.69	300	A4 کاغذ پر یہی تفصیل
A4	3307 × 4677	21 × 29.7	8.27 × 11.69	400	حاشیے، باریک تحریر، پرانے ٹائپ رائٹر کے صفحات

جب اسکین شدہ PDF سے ٹیکسٹ کا نتیجہ غلط آئے

پورے صفحے پر الفاظ بے معنی آتے ہیں
غالباً صفحہ کسی اور زبان یا رسم الخط میں ہے۔ دستاویز کی زبان اس کے مطابق رکھیں، اور اسی صفحے پر دوسری زبان کے لیے یہ بھی پہچانیں شامل کریں۔
سطریں جملے کے بیچ میں ٹوٹ جاتی ہیں اور الفاظ ہائفن پر ختم ہوتے ہیں
یہ چھپی ہوئی سطروں کے وقفوں کے مطابق ہے۔ متن کے ایک مسلسل بلاک کے لیے متن کی ترتیب میں سادہ متن کا بہاؤ چنیں؛ بچ جانے والے ہائفن کے لیے فوری تلاش اور تبدیلی کافی ہے۔
ٹیکسٹ فائل سے کچھ صفحات غائب ہیں
اعلیٰ سیٹنگز میں دیکھیں کہ صفحات تمام صفحات پر ہے۔ 1-3 جیسی حد جان بوجھ کر پہچان محدود کرتی ہے۔

PDF

Portable Document Format

PDF کو Adobe نے 1993 میں بنایا اور 2008 میں یہ اوپن ISO 32000 معیار بنا۔ یہ متن، فونٹس، تصاویر اور ترتیب کو مقرر کر دیتا ہے تاکہ دستاویز ہر اسکرین اور پرنٹر پر ایک جیسی نظر آئے۔ PDF میں فارم، دستخط، لنکس، اٹیچمنٹس اور قابلِ تلاش متن ہو سکتا ہے، اور PDF/A قسم طویل مدتی آرکائیونگ کے لیے استعمال ہوتی ہے۔ مقررہ ترتیب کی وجہ سے PDF میں ترمیم مشکل ہوتی ہے، اور اسکین شدہ PDF میں صرف تصاویر ہوتی ہیں جب تک OCR نہ لگایا جائے۔ ہر براؤزر اور آپریٹنگ سسٹم انہیں کھول سکتا ہے۔

کمپریشن: –
شفافیت: ہاں
اینیمیشن: نہیں
متعارف ہونے کا سال: 1993 · Adobe

PDF کنورٹر

TXT

سادہ متن

TXT فائل میں صرف سادہ حروف ہوتے ہیں، بغیر فارمیٹنگ، فونٹس، تصاویر یا لے آؤٹ کے۔ جدید ٹیکسٹ فائلیں عموماً UTF-8 میں انکوڈ ہوتی ہیں جو ہر زبان کا احاطہ کرتا ہے، البتہ پرانی فائلیں دوسری انکوڈنگز استعمال کر سکتی ہیں اور بگڑے ہوئے حروف دکھا سکتی ہیں۔ سادہ متن بہت چھوٹا ہوتا ہے، کبھی متروک نہیں ہوتا اور فون سے لے کر سرور تک ہر ڈیوائس پر کھلتا ہے۔ اس میں بولڈ متن، جدول یا تصاویر نہیں رکھی جا سکتیں، اس لیے ساخت کو وقفوں یا سادہ مارک اپ سے ظاہر کرنا پڑتا ہے۔

کمپریشن: –
شفافیت: –
اینیمیشن: –
متعارف ہونے کا سال: –

TXT کنورٹر

اسکین شدہ PDF صفحات کی تصاویر محفوظ کرتی ہے، اس لیے اس کے الفاظ کاپی، تلاش یا انڈیکس نہیں ہو سکتے؛ انہیں TXT فائل میں پہچاننے سے اسکین ایسے متن میں بدل جاتی ہے جو ایڈیٹر، مترجم یا سرچ باکس میں کام کرتا ہے۔

اسکین شدہ PDF سے ٹیکسٹ: عام سوالات

کیسے معلوم کروں کہ میری PDF اسکین شدہ ہے یا اس میں پہلے سے ٹیکسٹ موجود ہے؟

کسی جملے کو منتخب کرنے کی کوشش کریں یا Ctrl+F یا Command+F سے کوئی لفظ تلاش کریں۔ اگر کرسر پورے صفحے کو تصویر کی طرح منتخب کرے اور تلاش میں کچھ نہ ملے تو یہ صرف تصویری اسکین ہے اور اسے OCR چاہیے۔ اگر الفاظ عام طور پر نمایاں ہوتے ہیں تو متن پہلے سے موجود ہے اور PDF سے TXT اسے بغیر پہچان کے مرحلے کے بالکل درست نکال دیتا ہے۔

سادہ ٹیکسٹ بہتر ہے یا قابلِ تلاش PDF؟

سادہ متن الفاظ دوبارہ استعمال کرنے کے لیے ہے: اقتباس، ترجمہ، ڈیٹا بیس یا ای میل میں چسپاں کرنا۔ سرچ ایبل PDF اسکین کی شکل برقرار رکھتی ہے اور متن اس کے پیچھے چھپا دیتی ہے، جو آرکائیو اور معاہدوں کے لیے موزوں ہے۔ اگر آپ کو دوسری صورت چاہیے تو OCR PDF اسی کے لیے بنایا گیا ہے۔

PDF سے بہترین ٹیکسٹ کے لیے اسکین کی کون سی ریزولوشن موزوں ہے؟

عام چھپے ہوئے صفحات کے لیے 300 DPI۔ Tesseract کی دستاویزات کے مطابق 300 DPI پر تقریباً 10 pt سے چھوٹے متن میں درستگی گھٹ جاتی ہے، اس لیے حاشیے اور باریک تحریر کے لیے 400 DPI بہتر ہے۔ 600 DPI سے OCR کو کم ہی فائدہ ہوتا ہے اور PDF کئی گنا بڑی ہو جاتی ہے۔

کیا ٹائپ رائٹر یا پرانی کتاب کے صفحے کی اسکین شدہ PDF سے ٹیکسٹ نکالا جا سکتا ہے؟

عموماً ہاں۔ ٹائپ رائٹر اور کتاب کی تحریر عام چھپے ہوئے حروف ہوتے ہیں، اور صفحات سیدھے کریں جلد بند کتاب اسکین کرنے سے آنے والا جھکاؤ ٹھیک کرتا ہے۔ بہت دھندلے صفحات کنٹراسٹ بہتر کریں آن کرنے سے بہتر پڑھے جاتے ہیں۔

دو کالم والے صفحے کا ٹیکسٹ آپس میں گڈمڈ کیوں ہو جاتا ہے؟

جب متن کی ترتیب ترتیب برقرار رکھیں پر ہو، جو یہاں طے شدہ ہے، تو کالم الگ رکھے جاتے ہیں۔ اگر پھر بھی دونوں کالموں کی سطریں گڈمڈ ہوں تو اسکین میں ان کے درمیان خلا کم ہے؛ سیدھے صفحات کی صاف اسکین سے عموماً مسئلہ حل ہو جاتا ہے۔