OCR PDF

स्कैन की गई PDF दरअसल तस्वीरों का ढेर भर होती है। न आप उसमें कुछ खोज सकते हैं, न कोई पैराग्राफ़ कॉपी कर सकते हैं, न उसमें से कोई रेफ़रेंस नंबर चिपका सकते हैं। PDFora का OCR टूल उन पेज-इमेज के अंदर छिपे टेक्स्ट को Tesseract की मदद से पढ़ता है — वही ओपन-सोर्स इंजन जिस पर गंभीर दस्तावेज़ प्रणालियाँ भरोसा करती हैं — और पहचाना हुआ टेक्स्ट आपको एक साफ़ .txt फ़ाइल के रूप में देता है, जिसे आप खोज सकते हैं, एडिट कर सकते हैं और दोबारा इस्तेमाल कर सकते हैं।

इस OCR को अलग बनाने वाली बात यह है: यह पूरी तरह आपके ब्राउज़र के अंदर चलता है। लगभग हर ऑनलाइन OCR सेवा आपका स्कैन प्रोसेसिंग के लिए किसी सर्वर पर अपलोड करती है। हमारा नहीं करता। पहचान का काम आपके अपने डिवाइस पर होता है, इसलिए स्कैन किया पासपोर्ट, साइन किया लीज़, या मेडिकल रिपोर्ट का पन्ना कभी कहीं भेजा ही नहीं जाता। ऐसे दस्तावेज़ों के लिए यह कोई सजावटी सुविधा नहीं, यही तो पूरा मक़सद है।

टूल फ़िलहाल अंग्रेज़ी, हिंदी, स्पेनिश और फ़्रेंच पहचानता है, और स्कैन चलाने से पहले आप भाषा चुनते हैं। यह मुफ़्त है, न साइनअप, न वॉटरमार्क, न पेज कोटा। पहचान की रफ़्तार आपके डिवाइस पर निर्भर करती है, क्योंकि असली काम आपका ही प्रोसेसर कर रहा है, लेकिन आधुनिक लैपटॉप पर एक सामान्य पेज कुछ ही सेकंड लेता है।

ऑनलाइन PDF का OCR कैसे करें

1. किसी आधुनिक ब्राउज़र में PDFora का OCR PDF टूल खोलिए।
2. अपनी स्कैन की हुई PDF ड्रॉप ज़ोन पर खींचकर छोड़िए, या क्लिक करके अपने डिवाइस से चुन लीजिए।
3. दस्तावेज़ की भाषा चुनिए: अंग्रेज़ी, हिंदी, स्पेनिश या फ़्रेंच। सही भाषा से सटीकता ज़बरदस्त तरीके से सुधरती है।
4. Recognize Text पर क्लिक कीजिए और Tesseract को हर पेज आपके ब्राउज़र में लोकल रूप से प्रोसेस करने दीजिए।
5. पेज पूरे होते जाएँ, प्रगति देखते रहिए; लंबे दस्तावेज़ थोड़ा ज़्यादा समय लेते हैं।
6. निकाला हुआ टेक्स्ट .txt फ़ाइल के रूप में डाउनलोड कीजिए और उसमें बेझिझक खोजिए, एडिट कीजिए या कॉपी कीजिए।

When to use this tool

• 60 पेज के स्कैन किए अदालती फ़ैसले से टेक्स्ट निकालना, ताकि हर पेज पढ़ने के बजाय आप उसमें कोई ख़ास धारा खोज सकें।
• शोध पत्र के लिए पाठ्यपुस्तक के फ़ोटो खींचे गए पन्नों से उद्धरण निकालना, बिना हाथ से दोबारा टाइप किए।
• पुराने कागज़ी बिलों का फ़ोल्डर डिजिटल करना, ताकि रकम और बिल नंबर खोजे जा सकने वाले रिकॉर्ड बन जाएँ।
• स्कैन किए हिंदी सरकारी परिपत्र को एडिट होने लायक टेक्स्ट में बदलना, अनुवाद या सारांश के लिए।
• ऐसे दस्तावेज़ का टेक्स्ट वापस पाना जिसका सिर्फ़ प्रिंटआउट बचा हो — उसे स्कैन करके OCR चलाकर।
• मीटिंग के हैंडआउट और छपी रिपोर्ट को ईमेल में उद्धृत करने लायक बनाना, स्क्रीनशॉट लेने के बजाय उनका टेक्स्ट उठाकर।

Tips for the best results

• इसे अपना सबसे साफ़ स्कैन दीजिए। 300 DPI, अच्छी रोशनी, और हल्के बैकग्राउंड पर गहरा टेक्स्ट — ये किसी मद्धिम फ़ोन फ़ोटो से कहीं बेहतर पहचान देते हैं।
• पहले स्कैन सीधा कीजिए। टेढ़े पेज अक्षर पहचान को उलझा देते हैं, इसलिए तिरछे दस्तावेज़ को OCR से पहले PDFora के deskew टूल से गुज़ार दीजिए।
• भाषा सेटिंग को दस्तावेज़ से मिलाइए। स्पेनिश चिट्ठी को अंग्रेज़ी मॉडल से चलाएँगे तो नतीजा बिगड़ा हुआ आएगा, और इसका उल्टा भी सच है।
• फ़ोन और पुराने लैपटॉप पर धीमी रफ़्तार की उम्मीद रखिए। इंजन आपके डिवाइस का प्रोसेसर इस्तेमाल करता है, इसलिए 100 पेज का स्कैन डेस्कटॉप का काम है, पाँच साल पुराने टैबलेट का नहीं।
• अंकों को दोबारा जाँचिए। OCR बहुत अच्छा है, पर परफ़ेक्ट नहीं, और खाता संख्या या कुल रकम के अंक भरोसा करने से पहले एक नज़र के हक़दार हैं।