التعرف على النصوص في مخططات PDF الممسوحة

افتح ملف PDF وحاول تحديد كلمة باستخدام أداة تحديد النص. ثم ابحث عن عنوان أو ملاحظة واضحة للورقة. إذا كان بإمكانك تحديد أحرف فردية وعثر البحث عليها بالفعل، فستحتوي الصفحة على طبقة نص؛ قد يضيف التعرف الضوئي على الحروف (OCR) نصًا مكررًا أو مزعجًا بدلاً من المساعدة. إذا تعامل التحديد مع الصفحة كصورة واحدة ولم يُرجع البحث شيئًا، فهذا يعد مرشحًا جيدًا للتعرف الضوئي على الحروف.

يغير التعرف الضوئي على الحروف (OCR) إمكانية اكتشاف النص، وليس هندسة الرسم. ولا يقوم بمعايرة الورقة أو التحقق من الأبعاد أو التأكد من أنه تم التعرف على الملاحظة بشكل صحيح.

1. قم بتكرار ملف PDF المصدر أو استخدم Save As حتى يظل المسح الأصلي دون تغيير.
2. أغلق المستندات الكبيرة غير ذات الصلة إذا كان المسح الضوئي طويلاً أو كثيف الصورة، ثم افتح نسخة العمل.
3. اختر المستند › التعرف الضوئي على الحروف. يبدأ التعرف الضوئي على الحروف (OCR) للمستند الحالي؛ لا يوفر مربع الحوار الحالي نطاق صفحات أو منتقي لغة.
4. أبقِ مربع الحوار مفتوحًا لمشاهدة التقدم، أو أغلقه إذا كنت تريد استمرار التشغيل في الخلفية. اختر إلغاء التعرف الضوئي على الحروف (OCR) عندما تحتاج إلى التوقف؛ التشغيل الملغى يتجاهل نتيجته.
5. انتظر رسالة الإكمال قبل الحكم على البحث. يمكن أن تستغرق عمليات المسح الكبيرة ومجموعات البناء بعض الوقت.
6. احفظ المستند الذي تم التعرف عليه باسم ملف مميز، وأغلقه، وأعد فتح الملف المحفوظ.
7. ابحث عن عدة مصطلحات من صفحات مختلفة وانسخ المقاطع القصيرة إلى نص عادي لفحص جودة التعرف.

منذ PolyPDF 1.4.4، يقوم OCR أيضًا ببناء نموذج الجلسة الحالية للجداول المحتملة وحقول كتلة العنوان وتسميات الرسم والتفصيل والأبعاد والمناطق والصفوف والخلايا. يعد هذا مفيدًا للمراجعة وتسليم جدول البيانات، ولكن لا يزال يتم استنتاجه من وحدات بكسل الصفحة والنص القابل للتحديد - وليس قاعدة بيانات جدول موثوقة.

1. قم بإنهاء تشغيل التعرف الضوئي على الحروف (OCR) وفحص أسماء الجداول والعناوين والصفوف والأبعاد التي تم التعرف عليها.
2. اختر ملف > تصدير > Excel Workbook (جداول + نص)... بينما تظل جلسة المستند المعترف بها مفتوحة.
3. احفظ المصنف تحت اسم مرتبط بالرسم المصدر والإصدار.
4. افتح المصنف وقارن بين الكميات والأبعاد والعلامات وخلايا الجدولة الهامة باستخدام ملف PDF المرئي.
5. تعامل مع الخلايا المدمجة، والقواعد الباهتة، والكتابة اليدوية، والتسميات التي تم تدويرها، والخطوط الكثيفة باعتبارها مناطق مراجعة عالية المخاطر.

نموذج الجدول المنظم هو بيانات الجلسة. يؤدي الحفظ وإعادة الفتح إلى الحفاظ على طبقة PDF القابلة للبحث، ولكن لا يجب أن تفترض أن نموذج الجدول المستنتج سيظل متاحًا ما لم تقم بتشغيل OCR مرة أخرى. قم بتصدير المصنف قبل إغلاق الجلسة.

يأتي توفر التعرف من نظام التشغيل ودعم اللغة المثبت عليه، لذا قد تختلف اللغات التي يقدمها أحد أجهزة كمبيوتر Mac أو Windows عن جهاز آخر. تقتصر الطبقة الحالية القابلة للبحث المضمنة في PolyPDF على النصوص اللاتينية واليونانية والسيريلية. قد يتعرف نظام التشغيل على النص الموجود في نصوص برمجية إضافية، لكن PolyPDF لا يعد بتضمين تلك الأحرف كطبقة قابلة للبحث في ملف PDF.

• تعامل مع كتل العناوين ذات النصوص المختلطة كحالة مراجعة خاصة.
• قم بتثبيت وتمكين دعم لغة نظام التشغيل المطلوب قبل بدء المشروع، ثم اختبره باستخدام صفحة تمثيلية.
• لا تستنتج أن اسم اللغة المعروض يضمن دقة متساوية عبر الخطوط أو جودة المسح الضوئي أو عمليات التدوير أو الملاحظات المكتوبة بخط اليد.
• عندما يُبلغ PolyPDF بأنه لا يمكن تضمين النص الذي تم التعرف عليه، استخدم أي نص معروض يتم تصديره كأداة مساعدة للمراجعة، وليس كدليل على أن ملف PDF نفسه قابل للبحث في هذا البرنامج النصي.

يمكن أن ينجح اختبار البحث العام بينما لا تزال المعرفات التي تحتاجها تفشل. أنشئ مجموعة تحقق صغيرة من المستند: رقم الورقة، واسم الغرفة، واختصار المادة، والبعد، وملاحظة تحتوي على علامات الترقيم. ابحث عن كل قيمة بدقة، ثم جرب جزءًا مميزًا. افحص كلاً من النتائج الحقيقية والمواقع الواضحة التي غاب عنها البحث.

• توقع حدوث ارتباك بين الأشكال المتشابهة مثل O و0، وI و1، وS و5، أو النقاط العشرية وضوضاء المسح الضوئي.
• تعد الملاحظات المدورة والخطوط المكثفة ومطبوعات الديازو الباهتة والمسح المنحرف والخط الخطي المتقاطع للنص من المدخلات الأكثر صعوبة.
• لا تقم مطلقًا بنسخ البعد أو الكمية أو علامة المعدات أو قيمة المواصفات المشتقة من التعرف الضوئي على الحروف (OCR) في العمل النهائي دون مقارنتها بصورة الصفحة.
• نتائج البحث هي أداة مساعدة للملاحة. ويبقى الرسم المرئي هو المصدر الذي يجب مراجعته.

صفحة NACA المعروضة هنا عبارة عن مسح نقطي بدون نص قابل للاستخراج قبل التعرف الضوئي على الحروف: يؤدي البحث في SURFACE إلى إرجاع "لا توجد تطابقات". بعد الانتهاء من تشغيل المستند بالكامل، قمنا بحفظ النتيجة، وخرجنا من PolyPDF، وأعدنا فتح ملف PDF المحفوظ، وكررنا نفس البحث. أعاد PolyPDF ثلاث نتائج وحدد حدثًا واحدًا بعنوان "سطح السفينة" في الرسم.

يؤدي نسخ النص من ملف PDF المحفوظ إلى ظهور "REPORT NATIONAL ADVISORY COMMITTEE FOR AERONAUTICS" و"Surface of ship" و"U.S. S. Akron". يحتوي النص نفسه أيضًا على أخطاء في التسميات المائلة الصغيرة وترميز الأبعاد، لذا استخدم نتائج التعرف الضوئي على الحروف للتنقل وقارن كل معرف أو ملاحظة أو قياس تبعي مع المسح المرئي.

• يعد التعرف الضوئي على الحروف (OCR) بمثابة التعرف على أفضل الجهود، وليس ضمانًا للنسخ أو خدمة التحقق من صحة الرسم.
• طبقة النص القابلة للبحث لا تجعل ملف PDF قابلاً للوصول. يتطلب ترتيب القراءة والعناوين والنص البديل وتسميات النماذج وبنية إمكانية الوصول الأخرى مراجعة منفصلة.
• لا يقوم OCR بإزالة وحدات البكسل السرية. إذا كان من الضروري إجراء المسح الضوئي مع إزالة محتوى PDF حساس، فاستخدم سير عمل إزالة محتوى PDF حساس مع مراعاة الصورة وتحقق من الإخراج.
• يتم تشغيل التعرف محليًا من خلال إمكانات النظام الأساسي، ولكن يمكن أن يختلف توفر لغة نظام التشغيل والنتائج بين أجهزة الكمبيوتر.
• شريط التقدم المكتمل يعني انتهاء التشغيل. وهذا لا يعني أنه تم العثور على كل كلمة أو تضمينها بشكل صحيح.

بالنسبة للأعمال اللاحقة، حدد الاستخدام المقبول قبل تشغيل التعرف الضوئي على الحروف: يعد التنقل والاكتشاف معقولين؛ لا يتم استخراج الأبعاد أو الكميات أو لغة الامتثال غير المراجعة.