Bir PDF tarama mı, metin belgesi mi: nasıl anlaşılır?
Aynı görünüme sahip iki PDF, bilgisayarda çok farklı davranabilir. Birinde sözcük arandığında sonuç bulunur, diğerinde aynı sözcük sayfada görülmesine rağmen arama boş döner. Bunun nedenlerinden biri, sayfanın metin yerine taranmış görüntü olarak saklanmasıdır. Dosyanın .pdf uzantısını taşıması, içinde mutlaka seçilebilir metin bulunduğunu göstermez.

Temsili görsel: Düz yataklı tarayıcıdan bir ayrıntı; belge sayısallaştırma konusu için temsili görsel. Kaynak: Inside a flatbed scanner.jpg; üretici: Jstapko; lisans: CC BY-SA 3.0.
Sayfanın görüntüsü ve metin katmanı
Bir kâğıdı tarayıp PDF olarak kaydettiğinizde sayfanın görüntüsü dosyada yer alabilir. OCR olarak bilinen optik karakter tanıma işlemi, görüntüdeki yazıları bilgisayarın işleyebileceği metne dönüştürmeyi amaçlar. Adobe’nin tarama rehberi bu işlemin görüntüdeki metni aranabilir ve seçilebilir hâle getirebildiğini açıklar.
Bazı belgelerde sayfa görüntüsü ile tanınmış metin birlikte bulunabilir. Ekrandaki görünümün düzgün olması, metin tanımanın hatasız olduğunu kanıtlamaz. Aynı şekilde tek bir paragrafın seçilebilmesi de belgedeki bütün sayfaların aynı yapıda olduğu anlamına gelmez.
Üç kısa deneme yapın
İlk denemede bir sözcüğü fareyle seçmeye çalışın. Seçim bütün sayfayı bir görsel gibi kapsıyorsa görüntü ağırlıklı bir içerikle karşılaşmış olabilirsiniz. Bununla birlikte uygulama davranışı veya belgenin izinleri de seçimi etkileyebilir; yalnızca bu gözleme dayanarak kesin karar vermeyin.
İkinci denemede sayfada gördüğünüz ayırt edici bir sözcüğü arayın. Çok kısa veya sık kullanılan sözcükler yerine yazımını net gördüğünüz bir ifade seçin. Aramanın kapsamının geçerli sayfa mı, bütün belge mi olduğunu da kontrol edin.
Üçüncü denemede kısa bir paragrafı kopyalayıp boş bir metin belgesine yapıştırın. Harflerin, sözcük sırasının ve satırların nasıl geldiğine bakın. Görsel olarak doğru duran bir sayfanın kopyalanan metninde karışıklık bulunabilir. Bu deneme özellikle sütunlu veya tablo içeren belgelerde açıklayıcıdır.
Bütün belgeyi aynı kabul etmeyin
Bir dosya farklı kaynaklardan birleştirilmişse bazı sayfaları dijital metin, bazıları tarama olabilir. Başlangıç, orta ve son bölümden örnekler seçin. Ekleri ve yatay sayfaları ayrıca inceleyin. Sorunu kaydederken “PDF’de arama çalışmıyor” demek yerine hangi sayfada hangi sözcükle deneme yaptığınızı belirtin.
Örneğin yirmi sayfalık varsayımsal bir kılavuzda ilk bölüm seçilebilirken son bölümün fotoğraf taraması olduğunu düşünün. İlk sayfadaki başarılı arama, ek bölüm için bir sonuç vermez. Dosyanın yapısını bu şekilde ayırmak, bütün belgeyi gereksiz yere yeniden işlemeyi önleyebilir.
OCR gerektiğinde nasıl hazırlanılır?
- İşlemden önce özgün PDF kopyasını koruyun.
- İşlenecek sayfa aralığını belirleyin.
- Belgedeki dile uygun tanıma ayarını seçin.
- Sonucu görüntü ve çıkarılan metin üzerinden birlikte kontrol edin.
OCR, kötü görüntüden kusursuz bir kaynak metin üretme garantisi değildir. Küçük yazılar, eğik sayfalar, lekeler veya karmaşık düzenler ayrıca gözden geçirilmelidir. Özellikle sayıların, ürün kodlarının ve özel adların doğru tanındığını varsaymadan karşılaştırın.
Kontrolün bir başka boyutu okuma sırasıdır. İki sütunlu bir sayfadan kopyalanan metin, sütunların arasına beklenmedik biçimde geçebilir. Böyle bir durumda bütün kelimeler doğru görünse bile cümleler birbirine karışır. Birinci sütunun sonuyla ikinci sütunun başlangıcını kaynak görüntü üzerinde işaretleyerek karşılaştırın. Tablolarda da yan yana duran sayıların hangi başlığa ait olduğu önemlidir. Metin katmanını var veya yok şeklinde tek bir işaretle değerlendirmek yerine, kullanılacağı işte doğru sırayı ve ilişkiyi koruyup korumadığını sorun. Böyle bir inceleme, sonraki aktarımda düzeltilecek bölümün sınırını belirler ve görüntüde doğru duran içeriğin metinde de doğru olduğunu varsaymanızı önler.
İhtiyacınızı sonuç ölçütüne dönüştürün
Amacınız yalnızca aranan sözcüğün geçtiği sayfayı bulmaksa örnek aramalarla kontrol yapabilirsiniz. Metni başka belgeye aktaracaksanız paragraf sırası ve karakter doğruluğu daha fazla önem kazanır. Tablo verisi çıkarılacaksa hücre ilişkileri ayrıca denetlenmelidir. Böylece “metin var mı?” sorusu, yapmak istediğiniz işin gerektirdiği daha açık bir kontrole dönüşür.


