كيفية جعل ملف PDF الممسوح قابلًا للبحث باستخدام OCR

كيف تعرف أنك تحتاج إلى OCR

حاول تحديد سطر نص في ملف PDF. إذا ظلّل المؤشر الكلمات منفردة، فالملف يحتوي على طبقة نص بالفعل. أما إذا لم يُحدَّد شيء، أو ظُلِّلت الصفحة كلها كصورة واحدة، فهو ملف ممسوح يحتاج إلى OCR.

وهذا مهم عند البحث عن بند في عقد طويل، أو الاقتباس من تقرير، أو جعل أرشيف قابلًا للبحث.

الخطوات بالتفصيل

افتح أداة التعرف الضوئي على PDF وارفع مستندك الممسوح. تقرأ الأداة كل صفحة وتبني طبقة نص خلف الصورة.

نزّل النتيجة. سيبدو الملف مطابقًا تمامًا، لكن يمكنك الآن تحديد النص ونسخه والبحث فيه، ويمكن للأدوات الأخرى قراءته أيضًا.

الحصول على أفضل النتائج

تعتمد دقة OCR على جودة المسح. فالمستندات الممسوحة بشكل مستقيم وبتباين عالٍ وإضاءة جيدة تُقرأ بشكل شبه مثالي، أما المائلة أو الباهتة فتنتج أخطاء أكثر. وتقويم المسح المائل أولًا يحسّن النتائج.

أما الأرقام القليلة الحاسمة، فراجعها دائمًا مقارنة بالأصل، إذ لا توجد تقنية OCR مثالية مع المسح الرديء.

لماذا يحتاج المستند الممسوح إلى OCR

يبدو ملف PDF الممسوح ضوئيًا كمستند، لكنه بالنسبة إلى الحاسوب مجرد صورة لمستند. لا يمكنك تحديد النص أو البحث فيه أو نسخه، لأنه لا يوجد نص أصلًا، بل صورة لحبر على ورق. وتقنية OCR (التعرف الضوئي على الحروف) تقرأ الأشكال في تلك الصورة وتعيد بناء الحروف الفعلية، فتحوّل الصورة إلى طبقة نص حقيقية قابلة للبحث والتحديد أسفل الصفحة.

هذه هي الخطوة التي تفتح الباب لكل شيء آخر: فبمجرد أن يحصل المستند الممسوح على طبقة نص، يمكنك البحث فيه والنسخ منه وتحويله إلى Word وتحريره. ودون OCR، يكون العقد الممسوح عمليًا مجرد صورة فوتوغرافية لا يمكنك العمل عليها.

الحصول على نتيجة دقيقة

تعتمد دقة OCR كثيرًا على جودة المسح. فالمسح النظيف المستقيم عالي التباين لنص مطبوع يُقرأ بشكل شبه مثالي. أما النسخة المصوّرة الباهتة، أو الصفحة المصوّرة بزاوية مائلة، أو الكتابة اليدوية، فهي أصعب بكثير. وللحصول على أفضل نتيجة، امسح الصفحة أو صوّرها في إضاءة جيدة، وأبقها مسطحة ومستقيمة، واستخدم أعلى دقة معقولة.

وإذا خرجت الصفحة مائلة، فإن تقويمها أولًا باستخدام تصحيح ميل PDF يحسّن التعرف بشكل ملحوظ، لأن OCR يقرأ أسطر النص الأفقية بموثوقية أكبر حين تكون أفقية فعلًا.

ماذا تفعل بعد OCR

بمجرد أن يصبح المستند الممسوح قابلًا للبحث، يمكنك استثماره: حوّله إلى Word ليصبح قابلًا للتحرير بالكامل، أو انسخ منه اقتباسات أو أرقامًا، أو احتفظ به ببساطة كملف PDF مؤرشف يمكنك العثور عليه لاحقًا بالبحث في نصه. ومع الدفعات الكبيرة من السجلات الممسوحة، فإن OCR هو ما يحوّل كومة من الصور غير القابلة للاستخدام إلى مكتبة قابلة للبحث.