الـPDF القابل للبحث — الفرق بين صورة ومستند

لو مسحت ورقة وحفظتها PDF، وفتحتها ولقيتها زي الأصل بالظبط — ده مش معناه إنك عملت أرشفة. في الغالب اللي عندك دلوقتي صورة محطوطة جوه ملف PDF، وده حاجة مختلفة تمامًا عن مستند قابل للبحث.

الاختبار في ٥ ثواني

افتح أي ملف من أرشيفك واضغط Ctrl+F (أو Command+F على الماك)، واكتب كلمة إنت شايفها قدامك في المستند. لو الملف وقف عندها، يبقى قابل للبحث. لو مالقاش حاجة، يبقى صورة. جرّب الاختبار ده على عيّنة من الأرشيف الحالي عندك دلوقتي — النتيجة بتفاجئ ناس كتير.

إيه اللي بيحصل جوّه

الماسح بيصوّر الورقة. عشان الصورة دي تبقى نص، بيشتغل عليها التعرّف الضوئي على الحروف — يقرا شكل كل حرف ويحوّله لحرف حقيقي. الناتج بيتحط في طبقة نص مخفية ورا الصورة: إنت شايف الصورة الأصلية زي ما هي، والكمبيوتر شايف النص. عشان كده الملف بيفضل مطابق للأصل بالظبط ومع ذلك تقدر تدوّر جواه — الحاجتين مش م…

العربي والتعرّف الضوئي

التعرّف على الحروف العربية أصعب من الإنجليزي لأسباب في طبيعة الخط نفسه: الحروف متصلة، وشكل الحرف بيتغيّر حسب مكانه في الكلمة، والنقط بتفرق بين حروف كتير. البرامج الحديثة بقت كويسة جدًا في العربي المطبوع — النتيجة على مستند مطبوع واضح بتبقى عالية. الخط اليدوي حكاية تانية ولسه محتاج مراجعة بشرية في أغ…

إيه اللي بيخرّب النتيجة

• مستند باهت أو نسخة تصوير عن نسخة تصوير ورقة مايلة وقت المسح — الحروف بتتقري غلط دقّة مسح واطية جدًا (أقل من ٣٠٠ نقطة في البوصة للنص) خلفيات ملوّنة أو أختام فوق النص خط يدوي أو خط زخرفي

الدقّة الصح

٣٠٠ نقطة في البوصة هي المعيار العملي للمستندات النصية — أقل من كده التعرّف الضوئي بيبدأ يغلط، وأعلى من كده بيكبّر حجم الملف من غير فايدة حقيقية في الدقّة. الصور الفوتوغرافية والمخططات الهندسية حكاية مختلفة وبتحتاج أعلى. لكن للفواتير والعقود وأذون الصرف، ٣٠٠ هي الرقم.