إزالة نص PDF

لنأخذ ملفين PDF: أحدهما تم إنشاؤه باستخدام معالج نصوص ، مثل MS Word ، على سبيل المثال ، ومستند ممسوح ضوئيًا. ينتهي كلا الملفين بامتداد .pdf. ومع ذلك ، هذه الملفات ليست هي نفسها. إذا قمت بفتح ملف PDF الذي تم إنشاؤه باستخدام معالج النصوص الخاص بك ، فيمكنك الضغط على CTRL + F ، وإدخال الكلمات التي تبحث عنها ، وسوف يبرز برنامج عارض PDF نتائج المستند.
ولكن حاول تحديد أو البحث عن نص في ملف PDF تم إنتاجه بواسطة برنامج الماسح الضوئي عندما تقوم بمسح مستندات ورقية ضوئيًا ، فهذا غير ممكن. ذلك لأن مستند PDF الممسوح ضوئيًا ليس مستندًا إلى نص ؛ إنه قائم على الصورة. يسمى هذا النوع من PDF a ملفات PDF النقطية ، وسيصبح قريبًا تنسيقًا قياسيًا لتخزين المستندات الممسوحة ضوئيًا ونقلها وتبادلها
ثم ، هناك ملفات PDF متجهة ، غالبًا ما يتم إنشاؤها من نذل - وغد التنسيقات ، أو برامج التصميم الجرافيكي مثل Adobe Illustrator.

النص هو عنصر مستقل في ملفات PDF الأصلية. قد ترى أحرف نصية في ملف PDF ، لكن تلك الأحرف ليست بالضرورة عناصر نصية بتنسيق PDF. كيف يمكنك معرفة الفرق؟
كما رأينا للتو ، يمكن أن يكون النص صورة نقطية للنص أو صورة متجهة للنص. في جميع الحالات ، يبدو النص ، ولكن الكمبيوتر لا يتعرف عليه على هذا النحو ولا يمكنه تحديده أو البحث عنه.
النص الذي تم إنشاؤه بواسطة معالج النصوص ليس خطوطًا نقطية ولا صورة متجهة ، إنه (بشكل كاف) يسمى Real Text أو PDF Text Element. النص الحقيقي قابل للبحث والتحديد. يبدو حادًا حتى عند التكبير ، على عكس النص المتجه الذي يبدو متكتلًا ، والنص النقطي الذي يتم بيكسله.
كما هو الحال في ماغريت اللوحة الشهيرة ، في عالم PDF ، صورة النص ليست نفس الشيء مثل النص نفسه.

لجعل نص المستند الممسوح ضوئيًا قابلاً للبحث ، تحتاج إلى تشغيله من خلال OCR. تضيف هذه العملية طبقة من النص غير المرئي في PDF ، بحيث يمكن لمحرك OCR التعرف على الأحرف و "قراءة" النص. لا يتم استخدام هذا النص أثناء طباعة أو عرض مستند PDF ، وهو غير مرئي للمستخدم.
لماذا تحتاج إلى إزالة النص المخفي لملف PDF؟ في بعض الأحيان ، لا يتم عرض النص الذي تم مسحه ضوئيًا والذي تم التعرف عليه ضوئيًا بشكل جيد في العارض. في بعض الحالات ، تكمن الحيلة في إزالة النص المخفي وإعادة معالجة المستند باستخدام أداة أخرى (مثل AvePDF OCR PDF ).
من الممكن أيضًا أن يتم تحديث محرك OCR الذي تستخدمه ، وتريد إعادة معالجة مستنداتك أو التبديل إلى أداة أخرى ذات أداء أفضل. الاعتبار الأخير ، إذا قمت بحفظ كملف PDF / OCR دفعة من المستندات التي تتضمن ملفات OCRed بالفعل ، سيكون ملف النتيجة أثقل.