mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-05 20:02:47 +01:00
55 lines
5.0 KiB
Markdown
55 lines
5.0 KiB
Markdown
---
|
|
title: OCR روی PDF
|
|
description: PDFهای اسکن‌شده را با Tesseract OCR، با پشتیبانی چندزبانه و فیلتر نویسه‌ها، قابل جستجو و کپی کنید.
|
|
---
|
|
|
|
# OCR روی PDF
|
|
|
|
اسناد اسکن‌شده را به PDFهای قابل جستجو و کپی تبدیل کنید. این ابزار از Tesseract OCR برای تشخیص متن در تصاویر استفاده می‌کند و یک لایهٔ متنی نامرئی روی صفحات اصلی قرار می‌دهد؛ ظاهر بصری حفظ می‌شود و محتوا کاملاً قابل جستجو می‌شود.
|
|
|
|
## نحوهٔ کار
|
|
|
|
1. یک PDF اسکن‌شده یا مبتنی بر تصویر بارگذاری کنید.
|
|
2. یک یا چند زبان موجود در سند را از فهرست زبان‌های قابل جستجو انتخاب کنید.
|
|
3. در صورت تمایل تنظیمات پیشرفته (وضوح، دودویی‌سازی، فهرست مجاز) را تغییر دهید.
|
|
4. روی **شروع OCR** کلیک کنید و پیشرفت را در نوار پیشرفت بلادرنگ دنبال کنید.
|
|
5. پس از اتمام، متن استخراج‌شده را بررسی کنید و سپس PDF قابل جستجو یا یک فایل ساده `.txt` را دانلود کنید.
|
|
|
|
## ویژگی‌ها
|
|
|
|
- OCR چندزبانه با انتخابگر زبان قابل جستجو
|
|
- لایهٔ متنی نامرئی که ظاهر اصلی سند را حفظ می‌کند
|
|
- نوار پیشرفت بلادرنگ و خروجی گزارش در حین پردازش
|
|
- دانلود نتایج به‌صورت PDF قابل جستجو یا فایل متنی ساده
|
|
- کپی مستقیم متن استخراج‌شده در کلیپ‌بورد
|
|
- سه سطح وضوح برای ایجاد تعادل بین سرعت و دقت
|
|
|
|
## گزینه‌ها
|
|
|
|
| تنظیم | مقادیر | پیش‌فرض | هدف |
|
|
| --------------------------------- | --------------------------------------------------------------------------- | ------- | ------------------------------------------------------------------------- |
|
|
| **وضوح** | استاندارد (192 DPI)، بالا (288 DPI)، فوق‌العاده (384 DPI) | بالا | وضوح بالاتر دقت را روی متن ریز بهتر می‌کند اما زمان بیشتری می‌برد |
|
|
| **دودویی‌سازی تصویر** | روشن / خاموش | خاموش | با تبدیل به سیاه و سفید، کنتراست را برای اسکن‌های تمیز افزایش می‌دهد |
|
|
| **پیش‌تنظیم فهرست مجاز نویسه‌ها** | هیچ، حروف و اعداد، اعداد + ارز، فقط حروف، فقط اعداد، فاکتور، فرم‌ها، سفارشی | هیچ | نویسه‌های قابل تشخیص را محدود می‌کند تا دقت برای انواع خاص اسناد بهتر شود |
|
|
| **فهرست مجاز نویسه‌ها** | متن آزاد | خالی | مجموعهٔ نویسه‌های دستی وقتی پیش‌تنظیم روی سفارشی است |
|
|
|
|
## موارد استفاده
|
|
|
|
- قابل جستجو کردن قراردادها و فاکتورهای اسکن‌شده تا بتوانید با Ctrl+F در آن‌ها جستجو کنید
|
|
- استخراج متن از اسناد عکاسی‌شده یا سوابق کاغذی قدیمی
|
|
- پردازش رسیدها با پیش‌تنظیم فاکتور برای ثبت دقیق مبالغ دلاری و تاریخ‌ها
|
|
- ساخت PDFهای دسترس‌پذیر از اسکن‌های صرفاً تصویری برای الزامات انطباق
|
|
- استخراج گروهی محتوای متنی از کتاب‌ها یا راهنماهای اسکن‌شده
|
|
|
|
## نکات
|
|
|
|
- اگر سند شما محتوای چندزبانه دارد (مثلاً عنوان‌های انگلیسی با متن اصلی ژاپنی)، چند زبان انتخاب کنید.
|
|
- برای اسنادی با متن کم‌رنگ یا کم‌کنتراست از گزینهٔ دودویی‌سازی استفاده کنید؛ این گزینه می‌تواند دقت تشخیص را به‌طور چشمگیری بهتر کند.
|
|
- پیش‌تنظیم‌های فهرست مجاز فاکتور و فرم‌ها با نادیده گرفتن شکل‌های نویسهٔ نامرتبط، تشخیص‌های نادرست را در اسناد ساختاریافته به‌شدت کاهش می‌دهند.
|
|
|
|
## ابزارهای مرتبط
|
|
|
|
- [استخراج جدول‌های PDF](./extract-tables)
|
|
- [ادغام PDF](./merge-pdf)
|
|
- [فشرده‌سازی PDF](./compress-pdf)
|