OCR ang PDF

Paano gumagana ang OCR

Gumagamit ang OCR PDF ng optical character recognition para ma-detect ang text sa scanned o image-based PDF pages. Makakagawa ito ng searchable PDF sa pamamagitan ng paglalagay ng hidden text layer sa ibabaw ng orihinal na pages, at maaari rin nitong i-export ang nakilalang content bilang plain text para kopyahin o i-edit.

Sa simpleng paliwanag, binabasa ng OCR ang text mula sa isang larawan. Kapag ang PDF mo ay gawa sa scans o images, mukhang nababasa ang text pero hindi talaga ito nase-select o nase-search. Sinusuri ng OCR ang bawat page, kinikilala ang letters at words visually, at ginagawa itong totoong text na naiintindihan ng iyong device.

Iba ito sa karaniwang PDF sa Text tool. Kung may selectable text na ang PDF, ini-extract lang agad ng tool na iyon ang text. Kailangan lang ang OCR kapag ang PDF ay walang totoong text layer at larawan lang ang lahat — halimbawa scans, photos, o printed documents na naka-save bilang PDF.

Kailan gagamitin ang tool na ito

Kapaki-pakinabang ang OCR kapag nakikita ang text sa page, pero hindi mo ito masearch, ma-highlight, o makopya mula sa PDF.

• Gawing searchable PDF ang scanned paper document.
• Kilalanin ang text mula sa phone scans na naka-save bilang PDF.
• I-recover ang text mula sa image-only PDFs na hindi normal na makopya.
• Kunin ang readable text mula sa lumang reports, letters, invoices, o archived documents.

Kailangan bang kunin ang text mula sa PDF na may selectable text na? Gamitin ang pag-extract ng text mula sa PDF papuntang plain text. Kailangan mo ba ng page images sa halip na OCR text? Subukan ang pag-convert ng PDF pages sa images. Kailangan bang i-process muna ang piling pages lang? Gamitin ang pag-extract ng selected PDF pages sa bagong PDF.

Step-by-step: mag-run ng OCR sa PDF

Ilang hakbang lang para gawing searchable ang PDF mo:

• Idagdag ang PDF mo. I-drag and drop ang file sa kahon sa itaas, o i-click para piliin ito mula sa iyong device.
• Piliin ang OCR language. Gamitin ang Automatic detection o piliin nang manual ang pangunahing wika ng document.
• Piliin ang saklaw ng pages. Mag-run ng OCR sa lahat ng pages o i-tap ang individual pages nang manual.
• Piliin ang output. Searchable PDF ang default, at maaari ka ring mag-export ng text file kung kailangan.
• Piliin kung ipapakita ang text preview. I-on lang ang recognized text preview kung gusto mo itong makita sa ilalim ng pages.
• Patakbuhin ang OCR. Pinoproseso ng tool ang pages sa iyong browser at ginagawa ang resulta nang lokal.

Ano ang kasama sa output

• Searchable PDF: nananatiling pareho ang itsura ng page, habang may hidden recognized text layer na idinaragdag para sa search, highlight, at copy support sa compatible PDF viewers.
• Text file: plain .txt export ng nakilalang content para magamit ulit, linisin, o i-paste sa ibang lugar.
• Optional preview: maaari mong ipakita ang recognized text preview bago mag-save kung gusto mong i-review ang OCR quality.

Karaniwan, hindi perpektong nire-recreate ng OCR ang orihinal na document layout bilang editable text. Pinakamainam ito para sa recognition, searching, copying, at basic text recovery.

Privacy, limits at kung paano hinahandle ng tool na ito ang files mo

Ang FileYoga ay binuo sa isang simpleng prinsipyo: nananatili sa iyo ang files mo. Lokal na tumatakbo ang OCR sa iyong browser, kaya hindi kailanman ina-upload ang PDFs mo sa FileYoga servers.

Tips para sa pinakamahusay na resulta

• Piliin nang manual ang OCR language kapag alam mo na ang pangunahing wika ng document.
• Mas maganda ang OCR result sa high-contrast, tuwid, malinaw na scans kaysa sa malabo, nakatagilid, o may aninong pages.
• Patakbuhin lang ang OCR sa pages na kailangan mo kapag malaki ang PDF o mas mabagal ang device mo.
• Gamitin ang recognized text preview kapag mahalaga ang accuracy bago i-save ang final output.
• Kung lumaki ang searchable PDF pagkatapos ng OCR, i-compress ito pagkatapos.
• Maaaring kailanganin ng hiwalay na runs ang mixed-language documents kung ibang wika ang nangingibabaw sa iba’t ibang page groups.

Troubleshooting

• Mabagal ang OCR: mas matagal ang large PDFs, high-resolution pages, at maraming scanned pages dahil sinusuri ang bawat page sa iyong browser.
• Hindi maganda ang recognition quality: maaaring malabo, mababa ang resolution, nakatagilid, maingay, o mahina ang lighting ng scan.
• Maling wika ang napili ng automatic detection: patakbuhin ulit ang OCR at piliin nang manual ang pangunahing wika para sa mas magandang accuracy.
• Parang walang nagbago sa searchable PDF: normal iyon — kadalasang nananatiling pareho ang visible page habang idinaragdag sa likod nito ang hidden searchable text.
• May maling salita o nawawalang words: maaaring bumaba ang OCR accuracy dahil sa decorative fonts, handwriting, tables, stamps, low contrast, at mixed languages.
• Error sa PDF: maaaring sira, encrypted, masyadong complex, o masyadong mabigat para sa browser ang file — i-save ulit ito sa desktop PDF app at subukan muli.

Mga madalas itanong