Ein gescanntes PDF mit 200 Seiten enthält eine Mischung aus Seitentypen. Die ersten 150 Seiten sind sauber gedruckter Text, der OCR benötigt. Die nächsten 30 Seiten sind Fotos und Diagramme, die keinen erkennbaren Text enthalten. Die letzten 20 Seiten sind Formulare mit handschriftlichen Einträgen, die ebenfalls OCR benötigen. Das Ausführen von OCR für das gesamte Dokument verschwendet Verarbeitungszeit auf Seiten, die keinen Text enthalten, und führt möglicherweise zu einer verstümmelten Ausgabe auf den Fotoseiten, da die OCR-Engine versucht, Zeichen im Bildinhalt zu finden. Das selektive Ausführen von OCR nur auf den Seiten, die es benötigen, ist effizienter und führt zu einer saubereren Ausgabe.
Die selektive OCR, manchmal auch als OCR pro Seite oder Seitenbereich bezeichnet, verarbeitet nur die angegebenen Seiten. Die von Ihnen ausgeschlossenen Seiten bleiben unverändert. Die von Ihnen eingebundenen Seiten erhalten eine durchsuchbare Textebene. Das gemischte Dokument behält seinen ursprünglichen Inhalt auf allen Seiten bei, wobei die Textdurchsuchbarkeit nur dort hinzugefügt wird, wo sie benötigt wird.
Der selektive Ansatz OCR PDF ist besonders wertvoll für große Dokumente, bei denen die OCR des gesamten Dokuments viel Zeit in Anspruch nehmen würde und der Anteil an Textseiten gering ist. Die Verarbeitung von 20 von 200 Seiten ist zehnmal schneller als die Verarbeitung aller 200.
Identifizieren, welche Seiten OCR benötigen
Scrollen Sie durch das Dokument und ermitteln Sie, welche Seiten Text enthalten, der durchsuchbar sein sollte. Textseiten enthalten sichtbare Wörter und Zeichen. Fotoseiten enthalten Bilder ohne Text. Diagrammseiten enthalten Linien, Formen und Beschriftungen, die von OCR profitieren können oder nicht, je nachdem, ob die Beschriftungen durchsuchbar sein müssen. Erstellen Sie eine Liste der Seitenbereiche, die OCR benötigen. Für ein Dokument mit Text auf den Seiten 1 bis 150 und 181 bis 200 sind die Bereiche 1-150 und 181-200. Die Seiten 151 bis 180 sind der Foto- und Diagrammabschnitt, der keine OCR benötigt.
Wenn das Dokument über Lesezeichen oder ein Inhaltsverzeichnis verfügt, können Sie diese verwenden, um Textabschnitte schnell zu identifizieren. Jeder mit Lesezeichen versehene Abschnitt, der Text enthält, ist ein Kandidat für OCR. Das Gescannte PDF mit gemischten Inhalten profitiert von dieser gezielten Vorgehensweise.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
Selektive OCR ausführen
Laden Sie die PDF-Datei in ein browserbasiertes OCR-Tool hoch, das die Auswahl des Seitenbereichs unterstützt. Geben Sie die von Ihnen identifizierten Seitenbereiche ein. Das Tool verarbeitet nur diese Seiten. Die Textseiten erhalten eine durchsuchbare Textebene. Die Foto- und Diagrammseiten bleiben unverändert. Laden Sie die verarbeitete Datei herunter. Das gesamte Dokument ist intakt. Es wurden nur die angegebenen Seiten geändert.
WukongPDF OCR-Tools unterstützen die Seitenauswahl. Die selektive Verarbeitung OCR PDF spart Zeit bei großen Dokumenten mit gemischten Inhalten und erzeugt eine sauberere Ausgabe, indem OCR auf Seiten vermieden wird, die keinen Text enthalten.
Überprüfung selektiver OCR-Ergebnisse
Überprüfen Sie nach der Verarbeitung die OCR-Ausgabe auf den ausgewählten Seiten. Suchen Sie nach Wörtern, die auf diesen Seiten vorkommen. Bestätigen Sie, dass die Suche sie findet. Überprüfen Sie dann eine Seite aus dem ausgeschlossenen Bereich. Bestätigen Sie, dass es unverändert erscheint. Die selektive OCR sollte nur die angegebenen Seiten geändert haben. Eine schnelle Überprüfung auf einer Seite jedes Bereichs bestätigt, dass die Auswahl korrekt angewendet wurde.
Der selektive Verarbeitungsansatz PDF Tools ist die Qualitätskontrolle durch gezielte Anwendung. Verarbeiten Sie nur das, was verarbeitet werden muss. Lassen Sie den Rest unverändert.
Kombination von selektiver OCR mit anderer seitenspezifischer Verarbeitung
Die selektive Verarbeitung ist nicht auf OCR beschränkt. Komprimierung, Auflösungsanpassung und Farbkonvertierung können auch auf bestimmte Seiten angewendet werden. Ein Dokument mit hochauflösenden Farbfotos und Schwarzweiß-Textseiten profitiert von unterschiedlichen Komprimierungseinstellungen für jeden Seitentyp. Die Fotos benötigen eine moderate Komprimierung, um Details zu bewahren. Die Textseiten können stark komprimiert werden.
Wenden Sie nach der OCR Komprimierungseinstellungen pro Seitentyp an. Das Gescannte PDF mit gemischten Inhalten profitiert von der seitenspezifischen Verarbeitung in allen Vorgängen, nicht nur von OCR. Behandeln Sie jeden Seitentyp entsprechend seinem Inhalt.
Dokumentieren, welche Seiten zur späteren Bezugnahme mit OCR bearbeitet wurden
Wenn Sie nur bestimmte Seiten per OCR erfassen, dokumentieren Sie, welche Seiten verarbeitet wurden. Eine Notiz in den Metadaten des Dokuments oder eine Begleittextdatei, in der die OCR-Seitenbereiche aufgeführt sind. Wenn jemand später das Dokument durchsucht und auf einigen Seiten Inhalte findet, auf anderen jedoch nicht, wird in der Dokumentation erklärt, warum. Die Suche scheiterte nicht. Diese Seiten wurden nicht mit OCR bearbeitet.
Die OCR PDF Dokumentation zur selektiven Verarbeitung verhindert Verwirrung darüber, warum einige Seiten durchsuchbar sind und andere nicht. Die Dokumentation dauert Sekunden und sorgt für Klarheit für jeden zukünftigen Benutzer des Dokuments.
Aufteilen des Dokuments nach Seitentyp vor OCR
Teilen Sie bei großen Dokumenten mit klar getrennten Text- und Nichttextabschnitten das Dokument vor der OCR nach Seitentyp auf. Platzieren Sie alle Textseiten in einer Datei und alle Nicht-Textseiten in einer anderen. OCR die gesamte Textdatei. Führen Sie dann die OCR-Textseiten wieder mit den unveränderten Nicht-Textseiten zusammen. Der Split-Process-Merge-Workflow umfasst mehr Schritte, vermeidet jedoch das Risiko einer falschen Identifizierung von Seiten während der selektiven OCR.
Der geteilte Workflow OCR PDF ist geeignet, wenn die Text- und Nichttextabschnitte klar getrennt sind und das Dokument groß genug ist, dass die zusätzlichen Schritte gerechtfertigt sind. Bei kleinen Dokumenten ist die selektive OCR mit Seitenbereichen effizienter.
Erneutes OCRing von Seiten, die beim ersten Durchgang fehlgeschlagen sind
Suchen Sie nach der selektiven OCR nach einem Wort, von dem Sie wissen, dass es auf einer der verarbeiteten Seiten erscheint. Wenn die Suche fehlschlägt, hat die OCR den Text möglicherweise nicht richtig erkannt. Führen Sie eine erneute OCR-Erkennung dieser bestimmten Seite durch, möglicherweise mit anderen Einstellungen, z. B. einer höheren Auflösung oder einem anderen Sprachmodell. Der selektive Ansatz ermöglicht eine gezielte Nachbearbeitung, ohne das gesamte Dokument neu zu erstellen.
Die gezielte Nachverarbeitung fehlerhafter Seiten ist einer der Vorteile der selektiven OCR. Ein OCR-Fehler im gesamten Dokument erfordert eine erneute Verarbeitung. Bei einem selektiven Fehler müssen nur die Seiten erneut verarbeitet werden, die dies benötigen.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.