OCR PDF

វាធ្វើអ្វី

PDF ស្កេនគឺជារូបភាពនៃទំព័រនីមួយៗ៖ វាមើលទៅដូចអត្ថបទ ប៉ុន្តែអ្នកមិនអាចស្វែងរក ជ្រើសរើស ឬចម្លងវាបានទេ។ ឧបករណ៍នេះអានគ្រប់ទំព័រដោយ OCR (ម៉ាស៊ីន Tesseract) ហើយសរសេរពាក្យដែលរកឃើញជាអត្ថបទមើលមិនឃើញពីលើទំព័រដើម នៅកន្លែងដដែល។ PDF មើលទៅដូចដើមបេះបិទ ប៉ុន្តែឥឡូវនេះការស្វែងរក ជ្រើសរើស និងចម្លងដំណើរការ ហើយម៉ាស៊ីនស្វែងរក និងប្រព័ន្ធឯកសារក៏អាចធ្វើលិបិក្រមបានដែរ។

របៀបប្រើ

1. ជ្រើសរើស PDF ដែលបានស្កេន។
2. ជ្រើសរើសភាសារបស់ឯកសារ ទំព័រដែលមានអត្ថបទរួចហើយនឹងត្រូវរំលង។
3. ចុច “ធ្វើឱ្យអាចស្វែងរកបាន” ហើយទាញយក PDF នៅពេលវាត្រៀមរួច។

សំណួរដែលសួរញឹកញាប់

តើ PDF មើលទៅខុសពីមុនទេ?
ទេ។ ទំព័រដើមនៅដដែលក្នុងគុណភាពពេញ ស្រទាប់អត្ថបទមើលមិនឃើញ ហើយបង្ហាញតែពេលអ្នកជ្រើសរើស ឬស្វែងរកប៉ុណ្ណោះ។

តើវាត្រឹមត្រូវប៉ុណ្ណា?
សម្រាប់ទំព័របោះពុម្ពច្បាស់ក្នុងភាសាអក្សរឡាតាំង ជាធម្មតាតួអក្សរលើសពី 99% ត្រឹមត្រូវ។ ការសរសេរដៃ ការស្កេនគុណភាពទាប ត្រា និងតារាង អានមិនសូវល្អ ដូច្នេះសូមពិនិត្យលេខសំខាន់ៗ។ លទ្ធផលបង្ហាញភាពជឿជាក់មធ្យម។

ហេតុអ្វីបានយឺត?
ទំព័រនីមួយៗត្រូវបានអានក្នុងកម្មវិធីរុករករបស់អ្នកនៅ 300 dpi ដែលចំណាយពេលពីរបីវិនាទីក្នុងមួយទំព័រលើកុំព្យូទ័រ ហើយយូរជាងលើទូរសព្ទ។ គ្មានអ្វីត្រូវបានផ្ញើទៅម៉ាស៊ីនមេទេ ដូច្នេះល្បឿនអាស្រ័យលើឧបករណ៍របស់អ្នក។

តើខ្ញុំអាចធ្វើ OCR លើ PDF ដែលបានលុបបិទបាំងបានទេ?
បាន។ ទំព័រដែលបានបិទបាំងក្លាយជារូបភាព ហើយ OCR ធ្វើឱ្យអត្ថបទដែលមើលឃើញអាចស្វែងរកបានម្ដងទៀត។ អ្វីដែលត្រូវគូសខ្មៅនៅតែខ្មៅ ហើយមិនត្រូវបានអានទេ។

តើ PDF របស់ខ្ញុំត្រូវបានផ្ទុកឡើងទេ?
ទេ។ ទំព័រត្រូវបានអាន ហើយ PDF ត្រូវបានសរសេរក្នុងកម្មវិធីរុករករបស់អ្នក គ្មានអ្វីត្រូវបានផ្ញើទៅម៉ាស៊ីនមេទេ។

🔡 រូបភាពទៅអត្ថបទ (OCR)
⬛ បិទបាំងអត្ថបទក្នុង PDF
📘 PDF ទៅ Word

Wikipedia — Optical character recognition
Wikipedia — Tesseract (software)