OCR से स्कैन की गई PDF को खोजने योग्य कैसे बनाएँ

कैसे पता करें कि OCR की ज़रूरत है

PDF में टेक्स्ट की एक लाइन चुनने की कोशिश करें। अगर कर्सर अलग-अलग शब्दों को हाइलाइट करता है, तो उसमें पहले से टेक्स्ट लेयर है। अगर कुछ नहीं चुना जाता, या पूरा पेज एक इमेज की तरह हाइलाइट होता है, तो यह स्कैन है और इसे OCR की ज़रूरत है।

लंबे अनुबंध में कोई क्लॉज़ ढूँढने, रिपोर्ट से कुछ उद्धृत करने या आर्काइव को खोजने योग्य बनाने के लिए यह मायने रखता है।

चरण-दर-चरण तरीका

“PDF OCR” खोलें और अपना स्कैन किया दस्तावेज़ अपलोड करें। टूल हर पेज पढ़ता है और इमेज के पीछे टेक्स्ट लेयर बनाता है।

नतीजा डाउनलोड करें। यह बिलकुल पहले जैसा दिखता है, लेकिन अब आप टेक्स्ट चुन, कॉपी और खोज सकते हैं, और दूसरे टूल भी इसे पढ़ सकते हैं।

सबसे अच्छे नतीजे कैसे पाएँ

OCR की सटीकता स्कैन की क्वालिटी पर निर्भर करती है। सीधे, अच्छे कंट्रास्ट और अच्छी रोशनी वाले स्कैन लगभग पूरी तरह सही पढ़े जाते हैं; तिरछे या फीके स्कैन में ज़्यादा गलतियाँ होती हैं। तिरछे स्कैन को पहले सीधा करने से नतीजे बेहतर होते हैं।

कुछ बेहद ज़रूरी नंबरों को हमेशा मूल से मिलाकर जाँच लें, क्योंकि खराब स्कैन पर कोई भी OCR परफ़ेक्ट नहीं होता।

स्कैन को OCR की ज़रूरत क्यों होती है

स्कैन की गई PDF दस्तावेज़ जैसी दिखती है, लेकिन कंप्यूटर के लिए वह बस उसकी एक तस्वीर है। आप उसका टेक्स्ट न चुन सकते हैं, न खोज सकते हैं, न कॉपी कर सकते हैं, क्योंकि वहाँ टेक्स्ट है ही नहीं, सिर्फ़ कागज़ पर स्याही की इमेज है। OCR (ऑप्टिकल कैरेक्टर रिकग्निशन) उस इमेज की आकृतियों को पढ़कर असली अक्षर दोबारा बनाता है और तस्वीर के नीचे एक असली, खोजने और चुनने योग्य टेक्स्ट लेयर जोड़ देता है।

यही वह कदम है जिससे बाकी सब कुछ संभव होता है: स्कैन में टेक्स्ट लेयर आते ही आप उसमें खोज सकते हैं, उससे कॉपी कर सकते हैं, उसे Word में बदल सकते हैं और एडिट कर सकते हैं। OCR के बिना स्कैन किया अनुबंध असल में एक फ़ोटो है जिस पर आप काम नहीं कर सकते।

सटीक नतीजा कैसे पाएँ

OCR की सटीकता काफ़ी हद तक स्कैन की क्वालिटी पर निर्भर करती है। छपे हुए टेक्स्ट का साफ़, अच्छे कंट्रास्ट वाला, सीधा स्कैन लगभग पूरी तरह सही पढ़ा जाता है। फीकी फ़ोटोकॉपी, तिरछे एंगल से खींचा गया पेज या हाथ की लिखावट कहीं ज़्यादा मुश्किल है। सबसे अच्छे नतीजे के लिए अच्छी रोशनी में स्कैन करें या फ़ोटो लें, पेज को सपाट और सीधा रखें, और जितना हो सके ऊँचा रिज़ॉल्यूशन इस्तेमाल करें।

अगर कोई पेज टेढ़ा आया है, तो पहले “PDF सीधा करें” से उसे सीधा करने पर पहचान काफ़ी बेहतर होती है, क्योंकि OCR टेक्स्ट की लाइनों को तब ज़्यादा भरोसे से पढ़ता है जब वे सच में आड़ी सीधी हों।

OCR के बाद क्या करें

स्कैन खोजने योग्य बनते ही आप उससे काम ले सकते हैं: पूरी तरह एडिट करने के लिए उसे Word में बदलें, उससे उद्धरण या आँकड़े कॉपी करें, या बस उसे आर्काइव PDF के रूप में रखें जिसे बाद में उसके टेक्स्ट से खोजकर ढूँढा जा सके। स्कैन किए रिकॉर्ड के बड़े बंडलों के लिए OCR ही इमेज के बेकार ढेर को खोजने योग्य लाइब्रेरी में बदलता है।