تا نویسهخوانی اجرا نشده، این یک تصویر است و جستوجو چیزی پیدا نمیکند. یک آزمون دوثانیهای هست و دو مجموعه گزینه کاملا متفاوت را از هم جدا میکند.
جایی که این کار میایستد ظاهر یکسان است. هر دو نوع فایل روی صفحه دقیقا شبیه هماند، و جواب تا وقتی کسی سعی نکند یک کلمه را انتخاب کند نامرئی است.
آزمون این است: نشانگر یک سطر متن را انتخاب میکند، یا یک مستطیل میکشد. هر کاری که کسی بخواهد با یک فایل پیدیاف بکند به همین جواب بستگی دارد.
اگر متن انتخاب شود
یعنی فایل، نویسه دارد. جستوجو، کپی و میدانهای فرم، هر سه کار میکنند و هیچ کار اضافهای لازم نیست.
نهصد سند در ماه
یک آزمون دوثانیهای، و دو مجموعه گزینه کاملا متفاوت
هر کاری که کسی بخواهد با یک فایل پیدیاف بکند به این جواب بستگی دارد، و جواب تا وقتی کسی سعی نکند یک کلمه را انتخاب کند نامرئی است.
- متن انتخاب میکندیک پیدیاف دیجیتالنویسه دارد. جستوجو، کپی و میدانهای فرم همه کار میکنند
- همانطور که هست جستوجوپذیر است
- متنش را میشود به شکل ستون بیرون کشید
- تابع حذف واقعی، محتوا را برمیدارد
- میدانهای فرم مقدار نگه میدارند و بیرون داده میشوند
- مستطیل میکشدیک اسکن در پوسته پیدیافیک تصویر. تا نویسهخوانی اجرا نشود هیچچیزش جستوجوپذیر نیست
- نویسهخوانی یک لایه متن نامرئی پشتش مینویسد
- دستخط شکست میخورد، و یک شماره با حرفی شبیهش عوض میشود
- هر نتیجه را در برابر خودِ تصویر بررسی کنید
- بپوشانید و بعد تخت کنید، چون یک شکل، حذف نیست
یک فایل میتواند هر دو باشد: دفتری که صفحههای امضا را داخل قراردادی دیجیتال اسکن میکند، سندی میسازد که دوازده صفحه اولش متن انتخاب میکند و صفحه سیزدهمش نه، و جستوجو بیسروصدا از آن صفحه رد میشود.
متنش را میشود به شکل ستون بیرون کشید، تابع حذف واقعی محتوا را واقعا برمیدارد و نه فقط رویش را میپوشاند، و میدانهای فرم میتوانند مقدار نگه دارند و بیرون داده شوند.
اگر مستطیل کشیده شود
یعنی یک اسکن در یک پوسته پیدیاف: یک تصویر. تا نویسهخوانی اجرا نشود هیچچیزش جستوجوپذیر نیست، و نویسهخوانی یک لایه متن نامرئی پشتش مینویسد و خودِ تصویر را دست نمیزند.
اسکن در پوسته پیدیاف
آنچه روی صفحه دیده میشود در برابر آنچه زیر تصویر میماند
یک فایل اسکنشده ظاهر یکسان دارد، اما زیر تصویر صفحه، لایه متن خطادار نویسهخوانی و پوششهای برداشتنی قرار میگیرند.
- تصویر صفحه شبیه سند عادیظاهر یکسان با فایل دیجیتال، ولی با حجم فایل بسیار بزرگتر
- شکل مشکی روی متن محرمانهتا فایل تخت نشود فقط یک پوشش سطحی است و حذف واقعی نیست
- لایه متن نامرئی پشت تصویرنویسهخوانی بدون دستزدن به خودِ تصویر آن را در پسزمینه مینویسد
- خطا در دستخط و متن چاپییک شماره میتواند با حرفی شبیهش عوض شود؛ نتیجه را با تصویر بسنجید
- پیکسلهای اصلی زیر پوشش نتختشدهشکل مشکی روی اسکن بدون تخت کردن دوباره برداشتنی است
حجم فایل برای حدس اولیه بین فایل کوچک دیجیتال و اسکن بزرگ کمک میکند، اما جای کشیدن نشانگر در آزمون دوثانیهای را نمیگیرد.
دستخط شکست میخورد، و در چاپی هم خطا هست: یک شماره میتواند با یک حرف شبیهش عوض شود. پس هر نتیجه جستوجو را در برابر خودِ تصویر بررسی کنید، و هیچوقت روی لایه متن بهتنهایی حساب نکنید.
و برای حذف اطلاعات روی یک اسکن: بپوشانید و بعد تخت کنید. یک شکل مشکی روی صفحه، حذف نیست؛ تا وقتی فایل تخت نشده، همان شکل برداشتنی است.
و یک تفاوت عملی که از همین جواب میآید: فایل دیجیتال معمولا کوچک است و اسکن بزرگ، چون یکی نویسه ذخیره میکند و دیگری تصویر. حجم فایل، حدس اولیه خوبی است، ولی جای همان آزمون دوثانیهای را نمیگیرد.
یک فایل میتواند هر دو باشد
یک دفتر که صفحههای امضا را داخل قراردادی اسکن میکند که خودش دیجیتال تولید شده، سندی میسازد که دوازده صفحه اولش متن انتخاب میکند و صفحه سیزدهمش نه، و جستوجو بیسروصدا از آن صفحه رد میشود.
جستوجوی ناتمام
سه جایی که جستوجو در اسناد ترکیبی و فارسی جا میماند
حتی پس از اجرای نویسهخوانی، سندهای ترکیبی، کیفیت خط فارسی و دوگانگی ارقام باعث میشوند جستوجو بیسروصدا از روی عبارتها بپرد.
- سند ترکیبی دیجیتال و اسکنصفحه امضای اسکنشده وسط قرارداد دیجیتال جا میماند و جستوجو از آن رد میشود
- ضعف نویسهخوانی فارسیمتن چاپی قدیمی و روزنامهای خطای زیادی دارد؛ لایه متن فقط کمک است نه منبع
- ناهمخوانی ارقام فارسی و لاتیننویسهخوان ارقام را به شکل خودشان مینویسد، پس هر دو شکل رقم را جستوجو کنید
پایش تصویری در برابر اتکا به لایه متن
در پروندهای با دوازده صفحه دیجیتال و صفحه سیزدهم اسکنشده، جستوجوی موفق در صفحههای اول هیچ تضمینی برای صفحه آخر نمیدهد.
و یک واقعیت محلی: نویسهخوانی فارسی بهمراتب ضعیفتر از لاتین است و روی متن چاپی قدیمی و روزنامهای خطای زیادی دارد. برای اسناد فارسی، لایه متن را یک کمک بدانید و نه یک منبع.
و ارقام فارسی و عربی: نویسهخوان معمولا آنها را به شکل خودشان مینویسد، پس جستوجوی یک شماره با ارقام لاتین چیزی پیدا نمیکند. هر دو شکل را جستوجو کنید.
ابزار
نویسهخوانی در ابزارهای آزاد پیدیاف کار میکند و جای تایپ دوباره سند را میگیرد؛ رایگان است و برای فارسی باید زبان را دستی انتخاب کنید، وگرنه لاتین فرض میشود و نتیجه بیمعنی درمیآید.
ابزار آزاد و مقیاس ماهانه
از آزمون دوثانیهای روی یک فایل تا پایش خودکار پوشه
در ۲۰۲۶ هم ابزارها پیش از کشیدن نشانگر ماهیت فایل را نمیگویند، اما همین آزمون پایه اجرای نویسهخوانی و بررسی دستهای پوشه است.
- ۰۱اجرای آزمون دوثانیهای پیش از هر کارکشیدن نشانگر روی یک خط برای تفکیک متن دیجیتال از تصویر اسکن
- ۰۲انتخاب دستی زبان فارسی در ابزار آزادپرهیز از فرض پیشفرض لاتین که خروجی نویسهخوانی را بیمعنی میکند
- ۰۳اجرای نویسهخوانی رایگان بهجای تایپ دوبارهبازسازی لایه جستوجوپذیر در ابزار آزاد پیدیاف بدون بازتایپ دستی
- ۰۴بررسی خودکار پوشه برای نهصد سند در ماهتبدیل همین آزمون ساده به پایش گروهی بهجای بازکردن تکبهتک فایلها
انتخاب دستی زبان فارسی تنها تنظیمی است که پیش از اجرای نویسهخوانی روی اسناد فارسی نباید فراموش شود.
و همان آزمون دوثانیهای، پیش از هر کار دیگری. در ۲۰۲۶ هم هیچ ابزاری این را به شما نمیگوید مگر خودتان نشانگر را روی یک خط بکشید.
سندی که از اول دیجیتال ساخته میشود در شکست بخش با شکست صفحه فرق دارد نوشته میشود، جایی که خروجی نهایی باید بنشیند در هفت نسخه از یک گزارش است، و کاری که با متن بیرونکشیده باید کرد در ششصد سطر تاریخ، و نصفشان متن بودند. آخری زیر بقیه مجموعه، و کاری که هرکدام میکنند.
پرسش بعدی این است که با نهصد سند در ماه چه میکنید، چون این آزمون یکییکی است. جوابش یک بررسی خودکار روی پوشه است و از خودِ همین آزمون ساخته میشود.