PDF متن کی شناخت (OCR) — بغیر اپ لوڈ کے

اسکین شدہ یا تصویر کی شکل میں موجود PDF صفحات پر ایک غیر مرئی، قابل تلاش متن کی تہہ بچھائیں۔ شناخت مکمل طور پر آپ کے براؤزر میں چلتی ہے، آپ کی فائل کبھی اپ لوڈ نہیں ہوتی۔

اسکین شدہ معاہدے، رسیدیں یا کتابیں اکثر صرف صفحے کی تصویر رکھتی ہیں، حقیقی متن نہیں — نہ ان میں تلاش ممکن ہے، نہ متن کاپی کیا جا سکتا ہے۔ mousePDF متن کو مقامی طور پر براؤزر میں پہچانتا ہے اور اسے تصویر کے اوپر غیر مرئی طور پر رکھتا ہے، تاکہ تلاش اور کاپی کرنا ممکن ہو جائے، بغیر اس کے کہ صفحے کی ظاہری شکل میں کوئی تبدیلی آئے۔

OCR ایسے کاموں میں شامل ہے جن کے لیے عام طور پر کچھ نہ کچھ اپ لوڈ کرنا تقریباً ناگزیر ہوتا ہے: شناخت کے لیے ایک زبان کا ماڈل درکار ہوتا ہے، اور وہ عموماً کسی سرور پر موجود ہوتا ہے۔ یہاں یہ آپ کے براؤزر میں چلتا ہے؛ صرف ماڈل لوڈ ہوتا ہے، کبھی آپ کی فائل نہیں۔

یہ بالکل انہی دستاویزات کے لیے اہم ہے جنہیں اسکین کیا جاتا ہے: معاہدے، تنخواہ کی پرچیاں، ڈاکٹری خط، شناختی کارڈ کی کاپیاں۔ اسکین ایک تصویر ہے — اور قابل تلاش بننے سے پہلے کسی کو اسے پڑھنا ہوتا ہے۔ یہ کہ یہ 'کوئی' آپ کے اپنے آلے پر، آپ کے براؤزر میں چلتا ہے، اصل فرق ہے۔

OCR کے لیے 28 زبانیں دستیاب ہیں۔ منتخب زبان کا ماڈل اصل عمل کے وقت ہی لوڈ کیا جاتا ہے — اس سے صفحہ ہلکا رہتا ہے، اور آپ صرف وہی لوڈ کرتے ہیں جس کی ضرورت ہو۔

غیر لاطینی رسم الخط جان بوجھ کر شامل نہیں ہیں۔ نہ سیریلک، نہ چینی، جاپانی یا کوریائی، نہ عربی، عبرانی، دیوناگری یا تھائی — اور نہ اردو۔ ان کے ماڈل نمایاں طور پر بڑے ہیں اور کامیابی کی شرح واضح طور پر کم ہے — ایسا نتیجہ جسے حرف بہ حرف درست کرنا پڑے، کسی کے کام نہیں آتا۔ یونانی شامل ہے کیونکہ یہ اس لحاظ سے اسی زمرے میں نہیں آتی۔

شناخت کبھی بھی مکمل طور پر بے خطا نہیں ہوتی۔ یہ پکسلز سے وہ چیز واپس پڑھتی ہے جو کبھی متن تھی۔ ایک صاف، سیدھا اسکین بہت اچھے نتائج دیتا ہے؛ خراب روشنی میں لیا گیا ترچھا موبائل فوٹو، بدخط ہاتھ کی تحریر یا غیر معمولی سجاوٹی فونٹ نمایاں طور پر کمزور نتائج دیتے ہیں۔ جو کوئی متن کو آگے استعمال کرے، اسے دوبارہ پڑھ کر جانچ لینا چاہیے — یہ ہر OCR سے پروسیس شدہ ورژن پر لاگو ہوتا ہے، صرف اس پر نہیں۔

صفحے کی ظاہری شکل تبدیل نہیں ہوتی۔ پہچانا گیا متن تصویر کے اوپر ایک غیر مرئی تہہ کے طور پر رکھا جاتا ہے: آپ اب بھی اپنا اسکین دیکھتے ہیں، لیکن اس میں تلاش اور نشان زدگی کر سکتے ہیں۔ اس لیے شناخت کی غلطیاں تصویر میں نظر نہیں آتیں — وہ تب ظاہر ہوتی ہیں جب آپ متن کاپی کریں۔

OCR PDF کمپریس کرنے کے بعد بھی مفید ہے: اس عمل میں صفحات تصاویر بن جاتے ہیں اور اپنی متن کی تہہ کھو دیتے ہیں — متن کی شناخت اسے نئے سرے سے بناتی ہے۔

ایڈیٹر کھولیں →