PDF سے Word: متن نکالنا کب استعمال کریں اور OCR کب
پڑھنے کا موڈ منتخب کریں، ماخذ جانچیں، اور تصویروں کے اندر موجود الفاظ نظر انداز کیے بغیر PDF متن کو قابلِ ترمیم پیراگرافوں میں بدلیں۔
ToolMellow ·
ایک جملہ منتخب کر کے دیکھیں
PDF میں متن، متن کی تصویریں، یا دونوں ہو سکتے ہیں۔ موجودہ متن اکثر آپٹیکل کریکٹر ریکگنیشن کے بغیر پڑھا جا سکتا ہے۔ اسکین شدہ صفحے کو عموماً اپنی تصویر میں موجود حروف پہچاننے کے لیے OCR درکار ہوتا ہے۔ متن منتخب کرنا ایک کارآمد پہلی جانچ ہے، لیکن قابلِ انتخاب سرخی یہ ثابت نہیں کرتی کہ صفحے کے باقی حصے میں بھی متن کی تہ موجود ہے۔
صفحے کے مواد کے مطابق پڑھنے کا موڈ منتخب کریں
ToolMellow کا “خودکار” موڈ موجودہ متن کی تہ پڑھتا ہے اور آپ کی منتخب OCR زبان صرف ان صفحات پر استعمال کرتا ہے جہاں اسے کوئی متن نہیں ملتا۔ یہ ایسی دستاویز میں مدد دیتا ہے جس میں اصل متن والے اور اسکین شدہ صفحات الگ الگ ہوں۔ جس صفحے پر قابلِ انتخاب سرخی کے ساتھ اسکین شدہ انوائس ہو، اس کے لیے ہر منتخب صفحے پر OCR چنیں تاکہ تصویر میں موجود الفاظ بھی شامل ہوں۔ ماخذ صاف نظر آنے پر بھی OCR غلطیاں پیدا کر سکتا ہے۔
مطبوعہ زبان منتخب کریں
اسکین شدہ صفحات پڑھنے سے پہلے انگریزی، آسان چینی، ہندی، ہسپانوی، فرانسیسی، عربی، بنگالی، جرمن، اطالوی یا پرتگالی منتخب کریں۔ ایک کام پر ایک ہی زبان لاگو ہوتی ہے۔ جب دستاویز میں زبان بدلے تو صفحات کی الگ الگ رینج پڑھیں؛ زبان کی شناخت اور ترجمہ فراہم نہیں کیے جاتے۔ صرف منتخب ماڈل ڈاؤن لوڈ ہوتا ہے، اور وہ بھی تب جب OCR کی ضرورت ہو۔ موجودہ PDF متن کسی OCR ڈاؤن لوڈ کے بغیر کام کرتا ہے۔ زبان بدلنے سے پچھلا جائزہ اور ڈاؤن لوڈ صاف ہو جاتے ہیں تاکہ انہیں نیا نتیجہ نہ سمجھ لیا جائے۔
برآمد کرنے سے پہلے موازنہ کریں
جائزے میں ماخذ کا صفحہ اور قابلِ ترمیم متن یا دوبارہ تعمیر شدہ بلاکس دکھائی دیتے ہیں۔ نام، تاریخیں، رقوم، اکاؤنٹ نمبر، رموزِ اوقاف، جدول کے خانے اور پڑھنے کی ترتیب جانچیں۔ متن نکالنے میں فارم کی قدریں چھوٹ سکتی ہیں یا ترتیب غیر متوقع ہو سکتی ہے۔ OCR کا اعتماد انجن کا اندازہ ہے، اس بات کی ضمانت نہیں کہ کوئی نمبر درست ہے۔ Word دستاویز بنانے سے پہلے اپنا منتخب ورژن درست کریں؛ سادہ متن اور ساخت اپنی ترامیم الگ الگ رکھتے ہیں۔
سادہ پیراگراف یا جائزہ شدہ ساخت منتخب کریں
پڑھنے سے پہلے “دستاویز کی ساخت دوبارہ تعمیر کریں” فعال کریں تاکہ پیراگراف، ٹیگ شدہ سرخیاں اور سادہ فہرستیں، ایک یا دو کالم والے حصے، ٹیگ شدہ یا سادہ سیدھ والے جدول، بنیادی اسٹائلنگ اور تعاون یافتہ اشکال کے کراپ شناخت ہوں۔ سرخیوں کی سطحوں، فہرست کے اسٹائلز، تہ بندی اور نمبروں کا جائزہ لیں۔ حسبِ ضرورت لیبل متن کے طور پر رہتے ہیں؛ ماخذ کے صفحات میں پھیلی فہرستیں الگ Word فہرستوں کے طور پر اپنے نظر آنے والے ابتدائی نمبر برقرار رکھتی ہیں۔ خانوں میں ترمیم کریں، بلاکس کی ترتیب بدلیں، انہیں کالموں کے درمیان منتقل کریں اور غائب اشکال صفحے سے کراپ کریں۔ اس سے Word کا اپنا قابلِ ترمیم مواد بنتا ہے، جس میں تعاون یافتہ فونٹ فیملی کے نام اور متن کے ٹھوس رنگ ہوتے ہیں، بشمول پیراگرافوں اور خانوں میں ملے جلے اسٹائلز۔ متن کی ترامیم تبدیل شدہ حصے کے باہر کے اسٹائلز برقرار رکھتی ہیں۔ فونٹ، رنگ اور دستی خط کشیدہ کے کنٹرولز کا جائزہ لیں؛ غیر دستیاب فونٹس کی جگہ دوسرے فونٹ لگتے ہیں کیونکہ فونٹس ایمبیڈ نہیں کیے جاتے۔ شفافیت، پیٹرن، غیر مماثل ڈرائنگ متن، عین مقام، لنکس اور انٹرایکٹو فارم برقرار نہیں رہتے۔ ماخذ صفحے کے ابعاد، Letter اور A4 دستیاب ہیں؛ متن پھر بھی مزید صفحات پر پھیل سکتا ہے۔ جب PDF کی عین شکل اہم ہو تو اسے رکھیں۔
سنبھالنے کے قابل صفحات کی رینج میں کام کریں
زیادہ سے زیادہ 50 MB کے PDF سے ماخذ کے 50 صفحات تک منتخب کریں، جن میں زیادہ سے زیادہ 10 OCR صفحات ہوں۔ 2-4, 7 جیسی رینج کام کم کرتی ہے اور احتیاط سے جائزہ لینے میں مدد دیتی ہے۔ OCR مطبوعہ انگریزی، آسان چینی، ہندی، ہسپانوی، فرانسیسی، عربی، بنگالی، جرمن، اطالوی یا پرتگالی کے لیے ہے؛ ساخت موڈ کو سیدھے اسکین درکار ہیں کیونکہ یہ پہچانے گئے الفاظ کے مقامات استعمال کرتا ہے۔ دھندلے اسکین، ہاتھ کی لکھائی، پیچیدہ لے آؤٹ اور اس فہرست سے باہر کی زبانوں کے لیے کوئی اور ورک فلو درکار ہے۔ ٹول ان کاموں کو روک دیتا ہے جو اس کی مقامی رینڈرنگ یا وقت کی حدود سے تجاوز کریں۔
جائزہ شدہ متن شمار کریں
“جائزہ شدہ متن شمار کریں” “الفاظ اور حروف شمار کنندہ” کو اسی مواد کے ساتھ کھولتا ہے جو “جائزہ شدہ متن ڈاؤن لوڈ کریں” دیتا ہے، آپ کے منتخب ماخذ صفحات کی ترتیب میں۔ یہ آپ کا منتخب سادہ متن یا ساخت والا ورژن استعمال کرتا ہے، جس میں جدول کے خانوں اور فہرست کے متن کی ترامیم شامل ہیں۔ اشکال الفاظ نہیں بنتیں۔ یہ منتقلی ایک بار کی ہے اور ٹیب کی میموری میں رہتی ہے، متن کو کسی URL یا براؤزر اسٹوریج میں رکھے بغیر۔ “الفاظ اور حروف شمار کنندہ” صفحہ فاصل سمیت 10 لاکھ حروف تک قبول کرتا ہے؛ اس سے بڑا متن ڈاؤن لوڈ کے طور پر دستیاب رہتا ہے۔ “الفاظ اور حروف شمار کنندہ” میں “صاف کریں” منتقل شدہ متن اور اس کی کالعدم ہسٹری ختم کر دیتا ہے۔
بند کرنے سے پہلے نتیجہ محفوظ کریں
آپ کا PDF، پاس ورڈ، جائزے کی ترامیم اور نتیجہ ٹیب کی میموری میں رہتے ہیں۔ شناخت کا انجن اور منتخب زبان کا ماڈل ضرورت پڑنے پر ToolMellow سے لوڈ ہوتے ہیں؛ دستاویز اپ لوڈ نہیں ہوتی۔ ریفریش کرنے یا صفحہ چھوڑنے سے پہلے DOCX ڈاؤن لوڈ کریں، پھر اسے اپنے ورڈ پروسیسر میں کھول کر ایک بار پھر جانچیں۔