PDF OCR – Taranmış PDF'i Aranabilir Yapma

Aranabilir PDF nedir?

Tarayıcıdan ya da telefon kamerasından çıkan bir PDF'in her sayfası aslında bir fotoğraftır. Ekranda yazı görürsünüz ama PDF okuyucu için orada yalnızca görüntü vardır: kelime aratamaz, bir paragrafı seçip kopyalayamaz, ekran okuyucuyla dinleyemezsiniz. Aranabilir PDF'te sayfanın görüntüsü olduğu gibi kalır; altına, her kelimenin tam yerine denk gelen görünmez bir metin katmanı eklenir. Böylece belge aynı görünür ama içinde arama yapılabilir.

Bu araç tanımayı Türkçe dil modeliyle tarayıcınızda yapar ve metin katmanını özgün PDF'in sayfalarına ekler. Özgün sayfaların içeriği, çözünürlüğü ve görünümü değiştirilmez; yalnız görünmez metin eklenir.

Ne işe yarar?

Aranabilir PDF, taranmış belgeyle çalışan herkes için zaman kazandırır:

• Yüzlerce sayfalık taranmış dosyada bir dosya numarasını, adı ya da tarihi saniyeler içinde bulmak.
• Taranmış karardan ya da bilirkişi raporundan bir paragrafı yeniden yazmadan kopyalamak.
• Bilgisayarınızdaki belge arşivinde, dosyaların içeriğine göre arama yapabilmek.
• Ekran okuyucu kullanan kişilerin taranmış belgeleri okuyabilmesi.

Nasıl çalışır?

Araç her sayfa için aynı adımları izler:

• Sayfa 300 dpi çözünürlükte görüntüye çevrilir; hafif eğik taramalar tanımadan önce düzeltilir.
• Türkçe dil modeliyle satırlar ve kelimeler tanınır; her kelimenin sayfadaki kutusu ölçülür.
• Her kelime, görünmez çizim kipinde ve kutusunun genişliğine uydurularak sayfanın tam o noktasına yazılır; eğiklik düzeltmesi geri alınarak özgün görüntüyle hizalanır.
• Yazı tipi olarak açık lisanslı Tinos'un yalnız kullanılan harfleri gömülür; Türkçe harflerin Unicode karşılıkları PDF'e eklenir.

Arama ve kopyalama nasıl yapılır?

Oluşan PDF'i bilgisayarınızdaki herhangi bir PDF okuyucuda ya da tarayıcıda açın ve Ctrl+F (Mac'te Cmd+F) ile aradığınız kelimeyi yazın; bulunan yerler sayfanın üzerinde vurgulanır. Metni seçmek için fareyle sürükleyin: seçim, görüntüdeki satırların üzerinde görünür ve kopyaladığınızda tanınan metin panoya gelir. Masaüstü arama araçları ve belge yönetim sistemleri de dosyanın içeriğini dizinleyebilir.

Hangi PDF'ler için uygun değil?

Bilgisayarda üretilmiş PDF'lerde metin zaten vardır; bu araç böyle sayfalara dokunmaz. Çok düşük çözünürlüklü, soluk ya da el yazısı ağırlıklı taramalarda tanıma zayıf kalır ve arama bazı kelimeleri bulamayabilir. Tablolar, formlar ve çok sütunlu sayfalarda kelimeler bulunur ama okuma sırası her zaman doğal olmayabilir.

Türkçe karakterler aramada doğru çıkar

Metin katmanı Türkçe harflerin gerçek karşılıklarıyla yazılır: “Işık” aradığınızda “Isik” değil “Işık” bulunur, kopyaladığınız metinde “ş” ve “ğ” bozulmaz. Bunu test ederken ürettiğimiz PDF'leri bağımsız bir PDF okuma kütüphanesiyle geri okuyup Türkçe harflerin ve kelime konumlarının doğru çıktığını denetledik. Tanımanın kendisi görüntü kalitesine bağlıdır; düşük güvenli sayfalar için sonuçta uyarı gösterilir.

Gizlilik: PDF'iniz yüklenmez

Taranmış belgeler çoğu zaman kişisel veri içerir: kimlik bilgileri, sağlık raporları, mahkeme kararları. Bu araç PDF'i hiçbir sunucuya göndermez; tanıma ve yeni PDF'in oluşturulması tarayıcınızda yapılır. İlk kullanımda metin tanıma motoru ve Türkçe dil verisi (toplam en fazla yaklaşık 3 MB) sitemizin kendi sunucusundan bir kez indirilir; sonra bu cihazda internet olmadan da çalışır.

Erişilebilirlik için de önemli

Taranmış bir belge, ekran okuyucu kullanan görme engelli biri için boş bir sayfadan farksızdır. Metin katmanı eklenmiş PDF'i ise ekran okuyucular satır satır seslendirebilir; büyütme araçları metni yeniden akıtabilir. Kamu kurumlarına, mahkemelere ya da müvekkillere gönderdiğiniz taranmış belgeleri aranabilir hâle getirmek, onları herkes için kullanılabilir kılmanın en kolay yollarından biridir.

Seçenekler

Araç taranmış PDF'lerle tek tıkla çalışır; ayrıca şunları seçebilirsiniz:

• Sayfa aralığı: yalnız belirli sayfalara metin eklemek için 1-5, 8 gibi bir aralık yazın. Sabit bir sayfa sınırı yoktur; uzun belgeler parça parça işlenir.
• Zaten metin içeren sayfaları atla: bilgisayarda üretilmiş sayfalarda metin zaten vardır; bu sayfalara ikinci bir katman eklenmez.
• Dil: belgede İngilizce bölümler varsa “Türkçe + İngilizce”yi seçin.
• Word ya da metin: görünüm yerine düzenlenebilir içerik istiyorsanız çıktıyı Word ya da Metin yapın.

Parolalı PDF'ler ve dosya boyutu

Parola ile açılan ama düzenlemeye kilitli PDF'lerde özgün dosyaya katman eklenemez; araç bu durumda sayfaları görüntü olarak yeniden kurar ve metin katmanını bunlara ekler. Normal PDF'lerde dosya boyutu çok az artar, çünkü yalnız metin ve küçük bir yazı tipi alt kümesi eklenir. Taranmış PDF'i UYAP'a göndermeniz gerekiyorsa önce taranmış PDF'i UDF'ye çevirme sayfasına bakın; PDF'i küçültmek ya da bölmek için PDF araçlarımızı kullanabilirsiniz.