Coba salin kutipan pendek dari beberapa halaman PDF ke editor teks biasa. Jika salinannya terbaca, PDF kemungkinan memiliki lapisan teks. Jika salinannya kosong atau kacau, cari penyebabnya sebelum memilih OCR.

Bedakan tiga jenis halaman PDF
Halaman yang dibuat secara digital mungkin memuat teks yang bisa langsung diekstrak. Pindaian mungkin hanya berisi gambar halaman. Pindaian yang sudah diproses dengan OCR bisa terlihat sama, tetapi juga memuat teks hasil pengenalan yang tidak terlihat.
Mencoba memilih teks adalah langkah awal untuk memeriksa lapisan teks. Lapisan OCR tersembunyi bisa memuat karakter yang salah. Pengodean font khusus juga bisa membuat teks salinan kacau meski halamannya terlihat jelas. Uji satu paragraf biasa, satu angka, dan, jika relevan, satu nama yang ditulis dalam bahasa selain bahasa Inggris.
Pilih cara konversi untuk tiap halaman
- Salin teks dari awal, tengah, dan akhir dokumen. Jika jenis halamannya beragam, uji juga pindaian atau lampiran.
- Jika teksnya terbaca, coba ekstrak langsung dan periksa apakah ada karakter yang hilang atau kesalahan tata letak. Gunakan lapisan teks yang masih layak agar OCR tidak perlu dijalankan kembali.
- Jika halaman hanya berisi gambar, gunakan alat konversi yang mendukung OCR. Pilih bahasa pengenalan yang sesuai jika alat menyediakan pilihan tersebut.
- Jika teks salinan keliru, bandingkan dengan tampilan halaman. Tentukan apakah penyebabnya adalah pengenalan karakter, pengodean, atau urutan baca sebelum mencoba lagi.
Periksa hasil pengenalan pada bagian yang penting
OCR memperkirakan karakter berdasarkan piksel. Periksa kode pengenal, nama, tanda desimal, tanda minus, dan karakter yang mirip seperti O dan 0. Kata yang terdengar masuk akal masih bisa keliru. Periksa bagian penting secara langsung meski alat memberi indikator kualitas.
Untuk PDF dengan beberapa jenis halaman, satu uji salin yang berhasil hanya berlaku pada halaman yang diuji. Simpan pindaian asli untuk pembanding dan verifikasi lapisan OCR baru sebelum menganggapnya sebagai perbaikan. Jika teks buram atau terpotong, Anda mungkin memerlukan gambar sumber yang lebih baik.
Periksa hasilnya sebelum digunakan
Gunakan hasil konversi sebagai salinan kerja. Simpan PDF asli dan bandingkan bagian yang akan Anda kutip, gunakan untuk menghitung, atau berikan kepada asisten AI. Ekspor yang berhasil belum menjamin teksnya lengkap atau benar.
MD Factory mengonversi dokumen ke Markdown di Windows. Untuk tabel PDF yang kompleks, aplikasi memperkirakan struktur dari tata letak. Sel gabungan dan isi yang terbagi menjadi beberapa baris mungkin perlu diperbaiki secara manual. Akurasi OCR bergantung pada gambar dan teks sumber. Panduan ini tidak menjanjikan perbaikan otomatis maupun tingkat akurasi tertentu.
Tanya jawab
Apakah teks yang bisa dipilih berarti OCR belum digunakan?
Tidak. Pemindai mungkin sudah menambahkan lapisan OCR tersembunyi. Bandingkan teks yang disalin dengan pindaian yang terlihat.
Perlukah saya menjalankan OCR pada setiap PDF agar hasilnya seragam?
Jika teks bisa diambil langsung, Anda bisa melewati langkah pengenalan karakter. Gunakan OCR jika halaman atau lapisan teks yang ada memang memerlukannya, lalu periksa hasilnya.