ابزاربوکPDF اسکن‌شده در برابر دیجیتال: چرا مهم است
یک تست که تبدیل بیهوده را جلویش می‌گیرد
دو PDF ممکن است روی صفحه یکسان به نظر برسند ولی از اساس فرق داشته باشند. یکی متن واقعی و قابل انتخاب دارد. دیگری عکس یک صفحه است که با فرمت PDF ذخیره شده. اگر فقط می‌خوانید فرق ندارد. لحظه‌ای که می‌خواهید تبدیل، جستجو یا کپی کن خیلی فرق دارد.
تست ۵ ثانیه‌ای
PDF را باز کن و مثل انتخاب متن در ایمیل روی یک کلمه بکشید. اگر کلمه یا خط جدا هایلایت شد، فایلت PDF دیجیتال است و نویسه متن واقعی دارد. اگر نشانگر یک کادر روی کل صفحه می‌کشد یا هیچ چیز هایلایت نمی‌شه، فایلت PDF اسکن‌شده است. چیزی که می‌بینید تصویر است، نه متن.
PDF اسکن‌شده از کجا می‌آید
PDF اسکن‌شده وقتی است که سند کاغذی از اسکنر یا اپ دوربین گوشی رد می‌شه. اسکنر از صفحه عکس می‌گیرد و آن را در PDF می‌گذارد تا مثل هر PDF دیگری دیده، فرستاده و چاپ شود. کار معقولی است و اغلب تنها راه دیجیتالی کردن قرارداد امضاشده، کتاب قدیمی یا فرم کاغذی است. مشکل این است که برای کامپیوتر این صفحه با عکس یک گربه فرقی ندارد. داده متن زیرش نیست.
چرا تبدیل ساده خراب می‌شه
ابزار تبدیل PDF به ورد داده متن داخل PDF را می‌خواند و سند قابل ویرایش می‌سازد. PDF اسکن‌شده داده متن ندارد. مبدل یا باید OCR بزند و از پیکسل کلمه حدس بزند، یا شکست می‌خورد. OCR بهتر شده ولی هنوز حدس است: نویسه شبیه را اشتباه می‌خواند، با دست‌خط و فونت عجیب و اسکن کم‌کیفیت و صفحه کج مشکل دارد، و قالبی را که از اول ذخیره نشده برنمی‌گرداند.
برای همین همان ابزار روی یک فایل نتیجه نزدیک به کامل می‌دهد و روی دیگری آشغال. ناسازگار نیست. ورودی‌ها واقعاً فرق دارند.
با آن چه کنیم
- اگر PDF را خودتان ساخته‌اید با خروجی از ورد، گوگل داکس یا برنامه مشابه، تقریباً حتماً دیجیتال است و تبدیل باید تمیز باشد.
- اگر PDF از اسکنر یا اپ «اسکن به PDF» گوشی آمدهاسکن است. هر استخراج متنی بعدش نیاز به بازخوانی دستی دارد، هرقدر OCR خوب باشد.
- If you're not sureقبل از هر تبدیل، تست ۵ ثانیه‌ای بالا را بزن. از خود تبدیل کمتر وقت می‌گیرد.
وقتی نوع PDF را دانستید، قبل از تبدیل انتظار درست بگذار. با مبدل PDF به ورد امتحان کن، یا برعکس با ورد به PDF اگر از سند قابل ویرایش شروع می‌کن و می‌خواهید برای نفر بعد همان بماند.