Taranmış PDF neden aranamaz ve kopyalanamaz?
Tarayıcıdan, çok fonksiyonlu yazıcıdan ya da telefondaki tarama uygulamasından çıkan PDF'lerin büyük bölümü aslında bir fotoğraftır. Sayfa gözünüze yazı gibi görünür, ancak bilgisayar için yalnızca bir piksel yığınıdır: içinde kelime arayamazsınız, bir paragrafı fareyle seçip kopyalayamazsınız, ekran okuyucu belgeyi sesli okuyamaz, arşiv programları içeriği dizinleyemez. Eski sözleşmeler, fotokopiden taranmış kitap bölümleri, ders notları, kurumlardan gelen yazılar ve yıllar önce taranmış faturalar çoğunlukla bu durumdadır. PDF OCR aracı bu sorunu tek adımda çözer: her sayfayı okur, kelimeleri ve sayfadaki konumlarını bulur, orijinal sayfa görüntüsünün üstüne gözle görünmeyen bir metin katmanı yerleştirir. Sonuçta belge birebir aynı görünür; ama Ctrl+F ile arama yapabilir, kelimeleri seçip kopyalayabilir, belgeyi bir arşiv ya da masaüstü arama aracına dizinletebilirsiniz.
OCR, "optik karakter tanıma" demektir. Bu araç, açık kaynaklı Tesseract motorunun tarayıcıda çalışan sürümünü kullanır. Motor, Türkçe ve İngilizce dil verileri ve görünmez katmanda kullanılan yazı tipi bu sitenin kendi dosyalarıdır; çalışma sırasında başka hiçbir adrese bağlanılmaz.
Nasıl kullanılır?
- Taranmış PDF'i kutuya bırakın ya da "PDF seç" düğmesiyle açın. Sayfa sayısı ve dosya boyutu görünür; şifreli ya da bozuk bir dosya olursa nedeni ve çözümü yazan bir uyarı çıkar.
- Belgenin dilini seçin: Türkçe metinler için "Türkçe", İngilizce için "İngilizce", Türkçe içinde sık İngilizce terim geçen belgeler için "Türkçe + İngilizce".
- İsterseniz sayfa aralığı yazın (örneğin
1-5, 8). Boş bırakırsanız tüm sayfalar okunur. "Zaten metni olan sayfaları atla" kutusu açıkken metinli sayfalara dokunulmaz. - "Aranabilir PDF oluştur" düğmesine basın. İlerleme çubuğu sayfa sayfa ilerler; uzun belgede dilediğiniz an "Durdur ve şimdiye kadarını kaydet" diyebilirsiniz, okunan sayfalar yine de kaydedilir.
- Bitince aranabilir PDF'i indirin. İsterseniz tanınan düz metni de ".txt" olarak kaydedebilir, metin kutusunda düzeltip öyle indirebilirsiniz.
Görünmez metin katmanı nasıl çalışır?
Yöntem, profesyonel tarama yazılımlarının "aranabilir PDF" çıktısıyla aynıdır. Araç önce her sayfayı yüksek çözünürlükte (yaklaşık 216 dpi) çizer ve OCR motoruna verir. Motor, her kelimenin sayfadaki kutusunu ve metnini döndürür. Ardından kelimeler, PDF'in "görünmez metin" kipiyle (metin işleme kipi 3) kelimenin altındaki konuma, kelimenin genişliğine uyacak biçimde yatay ölçeklenerek yazılır. Görünmez metin ekranda ve yazıcıda çıkmaz; yalnızca arama, seçme ve kopyalama sırasında devreye girer. Sayfanın asıl görüntüsü hiç yeniden sıkıştırılmaz, bu yüzden tarama kalitesi aynı kalır ve dosya boyutu yalnızca metin katmanı kadar (genellikle birkaç yüz KB'ı geçmeden) büyür.
Metin, Türkçe karakterleri (ç, ğ, ı, İ, ö, ş, ü) destekleyen DejaVu Sans yazı tipinin yalnızca kullanılan harflerini içeren alt kümesiyle gömülür. Böylece kopyaladığınız metinde "ğ", "ş" ya da "İ" gibi harfler bozulmaz. Sayfa 90 derece döndürülmüş olarak kayıtlıysa ya da sayfa kutusu kırpılmışsa konumlar buna göre hesaplanır.
Daha iyi sonuç için tarama ipuçları
OCR'ın doğruluğunu belirleyen en önemli etken kaynak görüntünün kalitesidir. Bu aracın çıktısı da tarama kalitesine bağlıdır; bulanık, eğri ya da gölgeli bir sayfadan kusursuz metin beklemek gerçekçi olmaz. Şu noktalara dikkat ederseniz sonuç belirgin biçimde iyileşir:
- Çözünürlük: Metin belgeleri için 200–300 dpi idealdir. 100 dpi altındaki taramalarda küçük harfler birbirine karışır; 600 dpi gereksiz yere büyük dosya üretir.
- Düz ve dik sayfa: Yan yatmış sayfaları önce PDF Sayfa Döndür ile düzeltin. Hafif eğri sayfalar genellikle sorun çıkarmaz, ama büyük eğrilikler kelime kutularını bozar.
- Kontrast ve ışık: Beyaz zemin üzerinde koyu yazı en iyi sonucu verir. Telefonla çekimde gölge düşmemesine, sayfanın düz durmasına dikkat edin.
- Doğru dil: Türkçe belgeyi İngilizce dil verisiyle okutursanız "ı", "ş", "ğ" gibi harfler yanlış tanınır. Karışık belgede iki dili birlikte seçin.
- Sade düzen: Tek sütunlu düz metin en iyi okunur. Çok sütunlu gazete sayfaları, karmaşık tablolar ve arka planı desenli belgelerde hata oranı artar.
Neleri yapamaz? Dürüst sınırlar
El yazısı tanınmaz; motor basılı yazı için eğitilmiştir. İmza, damga ve logo metin olarak okunmaz, yalnızca görüntü olarak kalır. Formüller, nota ve çok karmaşık tablolar bozuk çıkabilir. Çok küçük yazılı dipnotlar eksik kalabilir. Araç bir "tam doğruluk" vaadi vermez: sözleşme, rakam ya da isim içeren önemli belgelerde, çıkan metni orijinaliyle karşılaştırmanız gerekir. Aranabilir PDF'in asıl görüntüsü değişmediği için hukuki ya da arşiv değeri taşıyan belgenin görünümü korunur; metin katmanı yalnızca bir "arama kolaylığıdır" ve resmî kayıt yerine geçmez.
Ayrıca işlem sizin cihazınızın gücüne bağlıdır. Sayfa başına birkaç saniye ile yarım dakika arası süre normaldir; yüzlerce sayfalık belgelerde sayfa aralığıyla parça parça ilerlemek ve telefon yerine bilgisayar kullanmak hem hız hem bellek açısından daha güvenlidir.
Neden Bilişim Ajans aracı?
- Dosya yüklenmez. Sözleşme, kimlik fotokopisi, sağlık raporu ya da öğrenci belgesi gibi hassas taramalar bilgisayarınızdan çıkmaz; OCR tarayıcınızda çalışır.
- Kayıt, filigran ve sınır yok. Hesap açmanız, e-posta vermeniz ya da sayfa başına ödeme yapmanız gerekmez; çıktıya reklam ya da imza eklenmez.
- Görüntü bozulmaz. Orijinal sayfa yeniden sıkıştırılmaz; yalnızca görünmez metin eklenir.
- Türkçeye uygun. Türkçe dil verisi ve Türkçe karakterleri koruyan yazı tipi kullanılır.
- Çevrimdışı çalışır. OCR motoru ve dil verisi bir kez indirildikten sonra tarayıcıda saklanır; sayfayı uygulama olarak yüklerseniz internetsiz de kullanabilirsiniz.
İlk kullanımda ne indirilir?
OCR motoru bir WebAssembly modülüdür ve seçtiğiniz dil için ayrı bir veri dosyası gerekir. Toplamda Türkçe için yaklaşık 6 MB, her iki dil için yaklaşık 8 MB, PDF motoru ve yazı tipiyle birlikte en fazla 10 MB civarı veri indirilir. Bu dosyaların hepsi bu sitenin kendi sunucusundan gelir (üçüncü taraf yoktur) ve tarayıcı önbelleğinde saklanır; bir sonraki kullanımda yeniden indirilmez. Mobil veri kullanıyorsanız ilk seferde bir Wi-Fi ağına bağlanmanızı öneririz.
Sık sorulan sorular
PDF dosyam bir sunucuya yükleniyor mu?
Hayır. Dosya tarayıcınızın belleğinde okunur; sayfaların çizilmesi, OCR ve PDF'in yeniden yazılması tarayıcınızda yapılır. Geliştirici araçlarının "Network" sekmesinden de görebilirsiniz: yalnızca bu sitenin kendi dosyaları (OCR motoru, dil verisi, yazı tipi) istenir, belgenizin içeriği hiçbir yere gönderilmez.
Taranmış PDF'i Word'e ya da düzenlenebilir metne çevirebilir miyim?
Bu araç aranabilir PDF üretir ve tanınan düz metni .txt olarak da verir. Word dosyası istiyorsanız metni metin kutusundan kopyalayıp Word'e yapıştırabilir ya da düzenlenebilir bir çıktı için Resimden Yazıya aracını kullanabilirsiniz; o araç .docx çıktısı da sunar.
Metin kalitesi neden bazı belgelerde düşük?
OCR sonucu doğrudan tarama kalitesine bağlıdır. Düşük çözünürlük, bulanıklık, gölge, eğrilik, soluk mürekkep ve karmaşık sayfa düzeni hata oranını artırır. En az 200 dpi, düz ve iyi aydınlatılmış bir tarama ile yeniden denemek çoğu zaman sorunu çözer.
Dosya boyutu büyür mü, görüntü kalitesi düşer mi?
Görüntü kalitesi düşmez; sayfa görüntüsü yeniden sıkıştırılmaz. Dosya boyutu yalnızca eklenen metin katmanı ve yazı tipinin kullanılan harflerinin alt kümesi kadar artar. Birkaç sayfalık belgelerde bu artış genellikle çok küçüktür.
Hangi diller destekleniyor?
Şu anda Türkçe, İngilizce ve ikisinin birlikte seçildiği karma mod desteklenir. Almanca, Arapça gibi diller için ek dil verisi bulunmuyor; bu dillerde sonuç güvenilir olmaz.
El yazısı ya da imza okunur mu?
Hayır. Motor basılı yazı için eğitilmiştir. El yazısı, imza ve damga görüntü olarak kalır; yanlış ve anlamsız metin üretmek yerine okunamayan alanlar atlanır.
Telefonda çalışır mı?
Evet, güncel bir Chrome, Safari, Edge ya da Firefox ile çalışır. Ancak OCR işlemci ve bellek ister; birkaç sayfayı sayfa aralığıyla işlemek telefonda daha rahattır. 50 MB üstü dosyalarda araç uyarı gösterir; büyük belgeleri bilgisayarda işlemenizi öneririz.
Şifreli ya da bozuk PDF için ne yapmalıyım?
Şifreli dosyalar açılamaz; araç "Bu PDF şifreli görünüyor" uyarısı verir. Parolayı biliyorsanız önce PDF Şifre Kaldır aracıyla şifreyi kaldırın. Bozuk dosyada, dosyayı başka bir programla açıp "Farklı kaydet" ile PDF olarak yeniden kaydedin.
Zaten metni olan PDF'e ne olur?
"Zaten seçilebilir metni olan sayfaları atla" kutusu işaretliyken bu sayfalar okunmaz ve değiştirilmez; böylece çift metin katmanı oluşmaz. Karışık belgelerde yalnızca görüntü olan sayfalar işlenir. Kutunun işaretini kaldırırsanız tüm sayfalar yeniden okunur.
İlgili araçlar
Kurumunuzun yüzlerce ciltlik arşivini dijitalleştirmek ve aranabilir hale getirmek için profesyonel destek gerekiyorsa Bilişim Ajans ekibi yardımcı olur.