OCR कब काम का है
स्कैन किया गया कॉन्ट्रैक्ट, कोई पुराना पत्र या फ़ोन से खींची गई रसीद PDF के अंदर बस एक इमेज होती है: आप उसमें सर्च नहीं कर सकते, उससे कोई वाक्य कॉपी नहीं कर सकते और स्क्रीन रीडर उसे पढ़कर नहीं सुना सकता। OCR के बाद फ़ाइल एक सामान्य डिजिटल डॉक्यूमेंट की तरह काम करती है, जबकि दिखती अब भी मूल काग़ज़ जैसी है।
बेहतर नतीजे के लिए टिप्स
- अगर आपका स्कैनर विकल्प देता है, तो 300 DPI पर स्कैन करें; छोटे अक्षरों के लिए कम से कम 200 DPI चाहिए।
- पेज सीधे रखें और रोशनी हर जगह बराबर हो; तिरछे स्कैन हुए पेज को पहले PDF के पेज सीधे करें टूल से सीधा किया जा सकता है। परछाइयाँ और मोड़ ही शब्द छूटने की सबसे आम वजह हैं।
- डॉक्यूमेंट की भाषा चुनें। अगर डॉक्यूमेंट में अंग्रेज़ी और तुर्की दोनों हैं, तो "अंग्रेज़ी + तुर्की" चुनें — यह दोनों भाषाएँ पढ़ता है।
जब नतीजा सही न हो
- अक्षर बदल गए या छूट गए। स्कैन को पूरे साइज़ में देखें। अगर आप ख़ुद उसे आराम से नहीं पढ़ पा रहे, तो OCR को भी मुश्किल होगी; ज़्यादा रोशनी में और पेज को समतल रखकर दोबारा स्कैन करें।
- ऐक्सेंट वाले अक्षर सादे निकलते हैं। "é" का "e" बन जाना, या तुर्की "ş" का "s" हो जाना आम तौर पर ग़लत भाषा चुनने का नतीजा है। सही भाषा के साथ फ़ाइल फिर से चलाएँ।
- हाथ की लिखावट नहीं पढ़ी गई। OCR छपे हुए टेक्स्ट के लिए बना है। साफ़-साफ़ अलग-अलग लिखे अक्षर कभी-कभी पढ़ लिए जाते हैं, पर हस्ताक्षर, हाशिये के नोट और घसीटकर लिखी लिखावट भरोसेमंद ढंग से नहीं पहचानी जाती।
- कॉपी की गई टेबल के कॉलम बिखर जाते हैं। पहचाने गए शब्द ठीक वहीं रहते हैं जहाँ वे पेज पर दिखते हैं, इसलिए सर्च काम करता है। लेकिन उन्हें कॉपी करके बाहर निकालने पर कॉलम लाइन-दर-लाइन आपस में मिल सकते हैं; Word में बदलने के बाद टेबल ज़रूर जाँचें।
- लंबे स्कैन में कई मिनट लगते हैं। टेक्स्ट पहचानने का काम आपके अपने प्रोसेसर पर, एक-एक पेज करके होता है। टैब खुला रखें, या पहले ज़रूरी पेज निकाल लें और सिर्फ़ उन्हीं पर OCR चलाएँ।
एक मिनट में नतीजा जाँचें
टेक्स्ट पहचान ठीक हुई या नहीं, यह जानने के लिए पूरी फ़ाइल पढ़ने की ज़रूरत नहीं। नई PDF खोलें और Ctrl+F (Mac पर Cmd+F) दबाएँ, फिर कोई ऐसा शब्द सर्च करें जो आपको पता है कि किसी पेज पर है — कोई नाम, कंपनी या हेडिंग। अगर व्यूअर उसे सही जगह हाइलाइट करता है, तो उस पेज की टेक्स्ट लेयर काम कर रही है। अगर कुछ नहीं मिलता, तो उस पेज को देखें: आम तौर पर उसका प्रिंट फीका होता है, पेज टेढ़ा होता है या उसकी फ़ोटो तिरछे कोण से खींची गई होती है।
नंबरों पर ख़ास ध्यान दें। किसी शब्द में ग़लत पढ़ा गया अक्षर संदर्भ से आसानी से पकड़ में आ जाता है, पर ग़लत पढ़ा गया अंक नहीं, और एक जैसे दिखने वाले अक्षर सबसे ज़्यादा गड़बड़ करते हैं: शून्य (0) और अक्षर O, एक (1) और छोटा l, पाँच (5) और S, आठ (8) और B। पहचाने गए स्कैन से खाता नंबर, रक़म या तारीख़ कॉपी करें, तो इस्तेमाल करने से पहले उसे इमेज से एक-एक अंक मिलाकर देखें।
आगे क्या करें
अगर आपके पास PDF नहीं, बल्कि फ़ोटो या स्क्रीनशॉट है, तो इमेज से टेक्स्ट निकालें आपको सीधे टेक्स्ट के रूप में शब्द देता है।
PDF सर्च करने लायक़ बन जाए, तो टेक्स्ट एडिट करने के लिए उसे Word में बदलें, सादे शब्दों के रूप में टेक्स्ट निकालें, या ईमेल से भेजने से पहले उसे कंप्रेस करें — स्कैन अक्सर बड़े होते हैं।
Mac पर काग़ज़ स्कैन कर रहे हैं? Mac पर डॉक्यूमेंट को PDF में स्कैन कैसे करें में iPhone कैमरा और Image Capture का तरीक़ा है, और फिर स्कैन को टेक्स्ट पहचान के लिए यहाँ लाने का भी।