پرش به محتوا
Coverton وبلاگ
در این مقاله
PDF

استخراج متن با OCR و بررسی زبان و متن تشخیص‌داده‌شده

OCR می تواند کلمات را از عکس ها استخراج کند، زمانی که کلمات را نمی توان کپی کرد. شناسایی ممکن است حاوی اشتباهات باشد، بنابراین قبل از به اشتراک گذاشتن متن استخراج شده، کلمات را با منبع مقایسه کنید.

ابزار را باز کنیدنحوه استفاده از این ابزار ↓
تصویر و PDF اسکن شده OCR
این تصویر روند کار ابزار را نشان می‌دهد؛ نتیجهٔ پردازش یک فایل بارگذاری‌شده نیست.

آیا OCR جدول اسکن‌شده را به صفحه‌گستردهٔ قابل ویرایش تبدیل می‌کند؟

این ابزار متن تشخیص‌داده‌شده را به صورت TXT ذخیره می‌کند. سلول‌ها یا ساختار فرمول‌ها را بازسازی نمی‌کند. نام‌ها و عددها را با تصویر اصلی تطبیق دهید. برای جدول قابل ویرایش، متن بررسی‌شده را در سطرها و ستون‌ها مرتب کنید.

نحوه استفاده از این ابزار

  1. تصاویر یا PDF را اضافه کنید و زبان شناسایی را انتخاب کنید.
  2. برای ورودی PDF، محدوده صفحه مربوطه را انتخاب کنید.
  3. OCR را اجرا کنید و اشتباهات را در میدان نتایج اصلاح کنید.
  4. نام ها و اعداد را با منبع مقایسه کنید و سپس TXT را دانلود کنید.

تنظیمات مناسب را انتخاب کنید

برای سند کره‌ای، کره‌ای + انگلیسی را انتخاب کنید. در PDF، محدودهٔ صفحات موردنیاز را مشخص کنید تا مقایسهٔ متن شناسایی‌شده با اصل آسان‌تر باشد.

پیش از شروع

شناخت ساختار سند پیش از انتخاب تنظیمات

PDF اصلی را نگه دارید و معلوم کنید متن خواندنی، صفحهٔ اسکن‌شده، فیلد واقعی فرم یا امضای موجود دارد. ویژگی‌هایی را که باید حفظ شوند مشخص کنید. جای صفحه در فایل ممکن است با شمارهٔ چاپ‌شده تفاوت داشته باشد؛ محدوده را با خود صفحه‌ها تطبیق دهید.

اگر صفحه‌ها تغییر می‌کنند، ترتیب، جهت و ناحیهٔ قابل مشاهده را بررسی کنید. برش می‌تواند محتوا را پنهان کند بدون اینکه آن را امن حذف کند. تخت‌کردن فرم، فیلدها را غیرقابل ویرایش می‌کند؛ امضای ترسیم‌شده تصویر است، نه گواهی دیجیتال. انتخاب کار به نیاز دریافت‌کننده برای خواندن، چاپ، جست‌وجو یا ادامهٔ تکمیل فرم بستگی دارد.

اگر سند از دادهٔ واردشده ساخته می‌شود، دریافت‌کننده، ارز، تعداد و محاسبات را بررسی کنید. در پیشنهاد قیمت یا فاکتور، تخفیف یک مبلغ است و مالیات پس از تخفیف حساب می‌شود. ساخت سند، پرداخت را انجام نمی‌دهد یا صورتحساب مالیاتی الکترونیکی صادر نمی‌کند. قبل از اتکا به ظاهر سند، مقدارها را با منبع بررسی کنید.

بررسی صفحه‌ها و ویژگی‌های لازم در خروجی

خروجی را باز کنید و همهٔ صفحه‌های مربوط، مرز سند، فیلدهای بلند و علامت‌های افزوده را بررسی کنید. پیش‌نمایش محدود، درستی تمام سند را ثابت نمی‌کند. کپی یا بازسازی ممکن است فرم‌ها یا نشانک‌ها را حذف کند یا بر امضای دیجیتال اثر بگذارد. ویژگی‌های لازم را در برنامهٔ نهایی با اصل مقایسه کنید.

اگر از OCR استفاده کرده‌اید، نام و عدد را در متن کپی‌شده بررسی کنید حتی اگر جست‌وجو کار می‌کند. متن در تصویر صفحه به متن قابل ویرایش تبدیل نمی‌شود؛ مقایسهٔ متن هم تصویر و چیدمان را بررسی نمی‌کند. در کارهای پشت‌سرهم، خروجی هر مرحله را ببینید تا مرحلهٔ تغییر صفحه یا ازبین‌رفتن ویژگی مشخص شود.

در صورت شکست، محدوده، رمزگذاری حفاظتی و نوع فرم پشتیبانی‌شده را بررسی کنید. فرم اسکن‌شده خودکار فیلد پیدا نمی‌کند. برای چاپ، اندازهٔ واقعی و جهت را امتحان کنید؛ گزارش هندسهٔ PDF نتیجهٔ چاپگر را تأیید نمی‌کند. صرف بازشدن فایل، دلیل کافی برای ادامهٔ کار روی نسخه‌ای با صفحهٔ ناقص نیست.

نمونه ورودی و خروجی

تصویر صفحه اسکن شده → بررسی شده OCR متن

مثال‌ها روند کار را توضیح می‌دهند. نتیجه به فایل منبع و تنظیمات بستگی دارد.

قبل از ذخیره نتیجه را بررسی کنید

نام ها، تاریخ ها، مقدار ها و اعداد حساب را با یک آیتم اصلی به طور همزمان مقایسه کنید.در زمینه نتایج اشتباهات تشخیص را اصلاح کنید، TXT را ذخیره کنید و ترتیب خطوط را بررسی کنید.

اگر نتیجه با آنچه انتظار داشتید متفاوت باشد

اگر PDF از سقف شناسایی 25 صفحه بیشتر است، محدوده‌های صفحات را جداگانه پردازش کنید. OCR نویسه‌های چاپی را شناسایی می‌کند، اما سطرها و ستون‌های جدول یا ساختار معادله‌ها را بازسازی نمی‌کند.

محدودیت‌هایی که باید در نظر داشت

  • تا 25 PDF صفحات پردازش می شود ساختار جدول و معادلات بازگردانده نمی شود؛ نام ها، مقدار ها و اعداد حساب را در برابر منبع بررسی کنید.

ادامهٔ کار با ابزارهای مرتبط

ادغام فایل های PDF

پیش از ادغام یک فرم و مدارک پشتیبان آن، ترتیب سندها را مشخص کنید. نمایش همهٔ صفحات در نتیجه به این معنی نیست که نشانک‌ها، پیوست‌ها و سایر بخش‌های ساختار سند کاملاً حفظ شده‌اند.

ادغام تنظیمات اضافی ندارد. صفحات به ترتیب فهرست فایل‌ها کپی می‌شوند. سند اول را بررسی کنید و در صورت نیاز، پیش از شروع ترتیب فهرست را تغییر دهید.

ابزار را باز کنید

یک PDF را تقسیم کنید

تصمیم بگیرید که آیا دریافت کنندگان نیاز به صفحات جداگانه یا گروه های ثابت از صفحات قبل از تقسیم یک PDF دارند. تقسیم بندی گروهی یک شمار صفحه را به جای شناختن عنوان های فصل یا معنی محتوای سند دنبال می کند.

اگر کل با این اندازه قابل تقسیم نیست، آخرین خروجی صفحات باقی مانده را شامل می شود و کوتاه تر از گروه های قبلی است.

ابزار را باز کنید
Covertonتصویر و PDF اسکن شده OCR
ابزار را باز کنید

این راهنما ابزار مرورگر عمومی را توضیح می دهد. یک کپی از اصل را نگه دارید و نتیجه را قبل از به اشتراک گذاشتن بررسی کنید.

این ترجمه با کمک نرم افزار تهیه شده است. همچنین می توانید نسخه انگلیسی آن را بخوانید. به انگلیسی بخوانید