1Igo eskaneatutako PDF documents; 300 DPI gris-eskalako eskaneaketa garbi batek ezagutarazleari lan egiteko gehien ematen dio.
2Hizkuntzaren erabilerak, hizkuntzaren erabileraren arabera, berezko hizkuntzaren ezaugarri batzuk ditu, eta hizkuntzaren erabilerak, berriz, hizkuntzaren ezaugarri batzuk.
3Exekutatu ezagutza-pasa; hitzak ikusezin gisa itzultzen dira, jatorrizko orri-irudiaren gainean eserita.
4Deskargatu PDF fitxategi bilagarria — berdina dirudi, baina orain bertan dagoen testua bilatu eta hauta dezakezu.
OCR PDF Maiz egiten diren galderak
Zertan eskaneatu behar dut emaitza onena lortzeko?
+
300 DPI gris-eskalatan puntu egokia da. 200 DPItik behera karaktere-formak hondatzen hasten dira; 400 DPItik gora ia ezer ez duzu irabazten eta fitxategi-tamaina eta prozesamendu-denbora ordaindu behar dituzu.
Nola bihurtzen du OCR PDFk eskaneatze bat testu bihurtu?
+
Zehazki, orrialde bakoitza errendatzen da, Tesseract testu-ezagutza pasabide batetik pasatzen da 100 hizkuntza baino gehiagotan, eta ezagututako hitzak jatorrizko irudiaren gainean kokatuta dagoen testu ikusezin geruza gisa idazten dira — orrialdeak aldaketarik gabe dirudi, baina bilatu eta hauta daiteke. Orrialdeak lehen bezalako itxura du oraindik — ezagututako testua irudiaren atzean ikusezin dago, bilaketa eta hautapena itxura aldatu gabe egin daitezen.
Zerbait zehatza hemen PDF-ri buruz?
+
Bai — PDF bat objektu-grafiko bat da, ez orrialde-irudia, beraz, testua hautagarria izaten jarraitzen du eta bektoreak zorrotzak izaten jarraitzen du, barruko raster-edukiari gertatzen zaion guztia kontuan hartu gabe. Ezagutzaileak ikusi dezakeena aldatzen du.
Zein zehatza da?
+
Inprimatutako testua 300 DPI-ko eskaneatze garbi batean, erroreak gutxi gertatzen direlako eta gehienbat izen propio arraroetan, nahikoa altua da. Zehaztasuna nabarmen jaisten da bereizmen txikiarekin, okerra, telefono-kamerako itzalekin, letra-tipo arraroekin eta eskuz idatzita — eskuz idatzita, bereziki, ez da hau egiteko modua.
Zer igo dezaket OCR PDF(e)ra?
+
Edozein PDF estandar, eskaner batek, testu-prozesagailu batek edo inprimagailu-kontrolatzaile batek sortutakoak barne. Edizioa mugatzen duen jabearen pasahitza duten fitxategiak kudeatzen dira; erabiltzailearen pasahitza behar duten fitxategiak ez dira kudeatzen, eta ez dugu enkriptazioa apurtzen saiatzen.
Fitxategi-tamainaren mugarik al dago OCR PDF(e)n?
+
Bai: kontu libreek 5 MB dokumentu arte prozesa ditzakete bakoitzak, txosten eta kontratu gehienak estaltzen ditu, baina ez 600 DPI-ko eskaneatutako dokumentu luze bat; Ghostscript eta qpdf-k lan hori egiten dute. Eskaneatutako PDFak dira ohikoenak, eta dokumentua lehenik konprimitzea nahikoa da normalean azpian itzultzeko.
OCR PDFk nire PDF documentsren kalitatea murriztuko du?
+
Testua eta grafiko bektorialak pixelak baino objektuak dira, beraz, edozein zoom-ekin zorrotzak dira, gertatzen dena edozein dela ere. Kapsulatutako raster-irudiak bakarrik degrada daitezke, eta hautatu duzun eragiketak lagin berria ematen badie bakarrik.
Exekutatu al dezaket OCR PDF documents batzuetan aldi berean?
+
Bai — igo multzoa eta paraleloan prozesatuko dira ezarpen multzo batekin, hau da, dokumentuen lan-fluxu bat egitearen helburua mahaigaineko irakurle baten bidez klik egitea baino.
Zergatik EPUB gune batek OCR PDF ostatatzen du?
+
EPUB.to eBook formatu irekiaren inguruan eraikia dago — XHTML zip batean, diseinuaren arabera birfluitu daitekeena, eta hardwarean irakur daitekeena, inork diseinuari buruz pentsatu ez duena. A book is a zip full of markup, images and fonts, so almost every job people bring to an eBook site is really a job on one of those things. OCR PDF runs on the same upload and the same account as the conversions because that is where it is needed.
Zer egin behar dut emaitzarekin OCR PDF amaitu ondoren?
+
Webgune honetako bihurgailuak EPUB, MOBI, AZW3, PDF eta DOCX formatuen artean mugitzen ditu liburuak, titulu bat irakurtzeko hardwarea zein den kontuan hartu gabe. OCR PDF ondoren hau egiteak esan nahi du bihurketa erabaki zenuen bertsiotik egingo dela, ez oraindik konpontzen ari zinen bertsiotik.
OCR PDF hemen anai-arreben guneek exekutatzen duten tresna bera da?
+
Motorrak partekatzen dira: tresna-kate bera, langile berberak, muga berberak. EPUB gune batek gehitzen duena errefluxuari buruzko ikuspegia da: errefluxu-liburu batek benetan onartzen dituen eragiketa hauek zeintzuk diren, eta zeintzuk soilik zentzua duten barruan dauden diseinu finkoko euskarrietan. Gune honek izena ematen dion formatuari buruzko gertaera batetik ere abiatzen da: liburua manifestu batekin XHTML-ren zip bat da, beraz testuak ia ezer ez du balio eta erabaki garrantzitsu guztiak irudi eta letra-tipo azpimultzoen inguruan hartzen dira.
Kontu bat behar dut, eta ezer gordetzen da?
+
Konturik ez, eta ez da ezer gordetzen: igoketak langileetatik ezabatzen dira lanaren amaiera gertatu eta gutxira, ez da ezer irakurtzen eta ez da ezer indexatzen. Kontu libreak historia eta lote-tamainarentzat daude, ez sarbiderako.
