OCR (optical character recognition, pengenalan karakter optik) membaca huruf dalam gambar halaman dan mengubahnya menjadi teks yang bisa dicari komputer. PDF hasil scan hanyalah kumpulan gambar, jadi Anda tidak bisa mencari di dalamnya, memilih kalimat, atau menyalin angka darinya. Setelah OCR, Anda bisa. Alat ini melakukannya di browser Anda, tanpa batas halaman, dan dokumen Anda tidak pernah diunggah.
Jadikan PDF hasil scan bisa dicari
Hasilnya tampak persis seperti hasil scan Anda, karena halaman aslinya dipertahankan. Di bawah gambar, lapisan tak terlihat berisi kata-kata yang dikenali ditempatkan tepat di posisi setiap kata, sehingga pencarian menyorot tempat yang benar dan memilih teks mengambil kata yang Anda lihat. Untuk memeriksa apakah PDF sudah punya teks, coba pilih satu baris: jika tidak bisa, PDF itu perlu OCR.
Pilih bahasa OCR
Pengenalan teks perlu tahu alfabet dan kata apa yang diharapkan, jadi pilih setiap bahasa yang tercetak di dokumen, misalnya Indonesia dan Inggris untuk formulir dua bahasa. Tersedia lebih dari 100 bahasa, termasuk Mandarin, Jepang, Korea, Arab, Ibrani, dan Hindi. Setiap bahasa diunduh sekali, biasanya beberapa megabyte, lalu disimpan oleh browser Anda; ukurannya ditampilkan sebelum Anda mulai. Memilih bahasa yang tidak ada di dokumen membuat pengenalan lebih lambat dan kurang akurat.
Yang memengaruhi akurasi OCR
Pada hasil scan teks cetak yang bersih dan lurus dengan 300 dpi, hampir setiap kata terbaca dengan benar. Akurasi turun pada foto ponsel yang buram, resolusi rendah, halaman miring atau melengkung, cetakan pudar, latar berwarna, font yang tidak biasa, dan tabel dengan garis rapat. Tulisan tangan umumnya tidak dikenali. Menaikkan resolusi di pengaturan lanjutan membantu untuk huruf kecil, tetapi butuh waktu lebih lama. Selalu periksa nama dan angka yang Anda andalkan.
Cara kerjanya
Setiap halaman digambar sebagai gambar di browser Anda dan dibaca oleh Tesseract, mesin OCR open source, yang berjalan di perangkat Anda. Kata-kata yang ditemukan beserta posisinya ditulis ke salinan PDF Anda sebagai lapisan teks tak terlihat, dan dikumpulkan ke dalam file teks. Laptop memproses satu halaman dalam beberapa detik; ponsel lebih lambat. Dokumen panjang butuh waktu lebih lama tetapi tidak dibatasi, dan perkiraan sebelum mulai memberi tahu apa yang bisa Anda harapkan.
Untuk apa orang memakainya, dan kapan alat ini tidak berfungsi
Kontrak dan surat hasil scan, buku lama dan skripsi, struk dan faktur untuk pembukuan, materi pelajaran sekolah, dokumen dari arsip, dan apa pun yang ingin Anda cari di komputer nanti.
- Tata letak tidak disusun ulang. PDF yang bisa dicari mempertahankan tampilan asli; file teksnya berupa teks biasa. Untuk mengedit dokumen, gunakan PDF ke Word setelahnya.
- Tulisan tangan umumnya tidak dikenali.
- PDF yang sudah punya teks tidak perlu OCR; untuk mengambil teksnya, gunakan PDF ke Teks.
- Di ponsel, biarkan layar menyala dan tab tetap terbuka selama proses panjang, atau browser akan menjedanya.