OCR لملفات PDF

لا. محرك القراءة، Tesseract، يعمل في علامة التبويب هذه. في أول استخدام يُنزَّل المحرك واللغة التي تختارها من هذا الموقع، لا من موقع أي جهة أخرى، ويحتفظ بهما متصفحك. أما ملف PDF نفسه فيُقرأ ويُعاد كتابته على هذا الجهاز ولا يُرسل إلى أي مكان.

لا. تبقى كل صفحة كما كانت تمامًا. تدخل الكلمات كطبقة غير مرئية، موضوعة فوق مواضعها في المسح، فحين تحدد جملة يقع التظليل على الكلمات المطبوعة نفسها. لا يُعاد رسم أي شيء ولا ضغطه، ويزيد حجم الملف ببضعة كيلوبايتات لكل صفحة.

الإنجليزية والإسبانية والفرنسية والألمانية والبرتغالية والإيطالية والإندونيسية والملايوية والفلبينية والسواحيلية والفيتنامية والهندية والنيبالية والصينية المبسّطة واليابانية والكورية. اختر اللغة التي كُتب بها المستند، فكل لغة لا تُنزَّل إلا حين تختارها، ويظهر حجمها قبل ذلك. العربية غير متاحة بعد: يمكن قراءتها، لكن بعض قارئات PDF تعرض النتيجة معكوسة، والبحث الذي لا يجد الكلمات لا فائدة منه.

بضع ثوانٍ لكل صفحة على الكمبيوتر. في قياس على جهاز بمعالج رباعي النوى في Chrome، تراوح المتوسط بين 3 و9 ثوانٍ للصفحة: الإيصال في الطرف السريع، وصفحة مجلة كاملة بخط صغير في الطرف البطيء، واستغرقت أكثر صفحة ازدحامًا 11 ثانية. الهاتف أبطأ. في المرة الأولى يُنزَّل محرك القراءة واللغة قبل قراءة أي شيء، نحو 4 ميغابايت للإنجليزية، وبعدها يحتفظ بهما متصفحك. يمكنك تركه يعمل في علامة تبويب أخرى، وزر «إيقاف» يعمل في أي لحظة.

على الصفحات المطبوعة النظيفة يقرأ كل الكلمات تقريبًا: على صفحتين، إحداهما من مجلة والأخرى من تقرير، من مجموعة اختبار OCR معيارية، قُرئت 99% من الكلمات. وعلى نماذج ممسوحة حقيقية بالألمانية والإسبانية والفرنسية واليابانية والصينية، من 91 إلى 96%. وعلى إيصالات متاجر ممسوحة، بخط صغير على ورق حراري، 79%. تتركز الأخطاء في الأسماء والأرقام والخط الصغير، فراجعها قبل أن تعتمد عليها. وعند الانتهاء تُذكر الصفحات التي صعبت قراءتها.

تُترك كما هي تمامًا، وتذكر لك الأداة أيّها قبل أن تبدأ. فقراءتها من جديد ستضع نسخة ثانية من كل كلمة فوق الأولى. وإذا كانت كل الصفحات فيها نص، فستخبرك بذلك ولن تفعل شيئًا.

لا. صُمّم Tesseract للنص المطبوع. خط اليد يخرج كلامًا بلا معنى أو لا يخرج منه شيء على الإطلاق، والصفحة التي لا يوجد فيها ما يُقرأ تُذكر عند انتهاء العمل.

نعم. عند الانتهاء يظهر زر لتنزيل النص كملف .txt، والصفحات فيه بالترتيب. والصفحات التي كان فيها نص من قبل تُضاف كما كانت.