İki Tür PDF: Metin Katmanı Var mı Yok mu?
PDF bir kap formatıdır; içinde çok farklı türde veri taşıyabilir. Bilgisayarda Word'den ya da bir web sayfasından üretilen PDF'lerde metin, gerçek karakterler olarak saklanır. Bu tür belgelerde yazıyı seçebilir, kopyalayabilir, içinde arama yapabilirsiniz.
Taranmış belgelerde ise durum tamamen farklıdır. Tarayıcı ya da telefon kamerası sayfanın fotoğrafını çeker ve bu fotoğrafı PDF'in içine koyar. Ortada karakter yoktur; sadece siyah-beyaz piksellerden oluşan bir görüntü vardır. Gözünüz orada "sözleşme" yazdığını görür, bilgisayar ise açık ve koyu noktalar dizisi görür.
Elinizdekinin hangisi olduğunu anlamak için basit bir test yeter: belgede bir cümleyi fareyle seçmeye çalışın veya arama yapın. Seçebiliyor ve bulabiliyorsanız metin katmanı vardır; yapamıyorsanız taranmış bir görüntüyle uğraşıyorsunuz.
OCR Ne Yapar, Nasıl Çalışır?
OCR (Optik Karakter Tanıma), görüntüdeki harf şekillerini tanıyıp onları gerçek karakterlere dönüştüren teknolojidir. Sayfayı satırlara, satırları kelimelere, kelimeleri harflere ayırır ve her harf şeklini bildiği alfabeyle eşleştirir.
Sonuçta belgenin görüntüsünün altına görünmez bir metin katmanı eklenir. Sayfa gözünüze aynı görünür, ama artık arama yapabilir, metni seçip kopyalayabilir ve düzenlenebilir bir belgeye aktarabilirsiniz.
pdfresim.com'daki PDF OCR aracı bu işlemi tarayıcıdan çıkmadan yapar. İşlem sonunda elinizde hem orijinal görüntüsü korunmuş hem de aranabilir hâle gelmiş bir PDF olur; oradan Word'e çevirmek isterseniz artık gerçek metinle çalışıyor olursunuz.
Türkçe Belgelerde Doğruluğu Artırmak
OCR'ın doğruluğu büyük ölçüde kaynak görüntünün kalitesine bağlıdır ve Türkçenin kendine özgü zorlukları vardır. Ç, Ğ, İ, Ö, Ş, Ü harfleri ile noktalı-noktasız i ayrımı, düşük kaliteli taramalarda en çok karıştırılan noktalardır.
En sık yapılan hata, belgeyi eğri taramak ya da telefonla açılı fotoğraflamaktır. OCR satırları yatay varsayar; sayfa birkaç derece eğikse tanıma oranı belirgin biçimde düşer. İkinci sık hata, tasarruf amacıyla çok düşük çözünürlükte taramaktır.
- Taramayı 300 dpi civarında yapın; daha düşüğü harfleri bozar, çok yükseği fayda getirmeden dosyayı şişirir.
- Sayfayı düz yerleştirin; eğri tarama tanıma oranını ciddi biçimde düşürür.
- Telefonla çekiyorsanız gölge düşmeyen, eşit aydınlatılmış bir yüzey kullanın.
- El yazısı beklentinizi düşük tutun; OCR matbu metin için tasarlanmıştır.
- Çok sütunlu ve tablolu sayfalarda düzenin bozulabileceğini baştan kabul edin.
OCR Sonrası Ne Yapmalı?
OCR sihirli değildir; çıktıyı gözden geçirmeden kullanmak risklidir. Özellikle sayılar, tarihler, TC kimlik ve IBAN gibi alanlarda tek karakterlik bir hata ciddi sonuç doğurabilir.
Pratik yöntem şudur: OCR'lı belgede birkaç anahtar ifadeyi aratın. Aradığınız kelimeler bulunuyorsa tanıma büyük ölçüde başarılıdır. Ardından sayısal alanları orijinal görüntüyle karşılaştırarak tek tek doğrulayın; metnin tamamını okumak yerine kritik alanlara odaklanmak hem hızlı hem yeterlidir.
Belgeyi düzenlenebilir bir dosyaya taşıyacaksanız, OCR'lı PDF'i Word'e çevirmek artık gerçek metinle çalışacağı için çok daha temiz sonuç verir.
OCR'ın Yan Faydası: Arşivinizi Aranabilir Yapmak
OCR çoğu zaman "metni düzenleyebilmek için" yapılır, ama asıl büyük fayda arşivde ortaya çıkar. Taranmış belgelerden oluşan bir klasör, içinde arama yapılamadığı sürece pratikte bir kutu kâğıttan farksızdır; aradığınız faturayı bulmak için dosyaları tek tek açmanız gerekir.
OCR uygulanmış belgelerde ise işletim sisteminin arama özelliği belgelerin içine bakabilir. "2025 kira sözleşmesi" diye arattığınızda dosya adında geçmese bile içeriğinde geçen belge karşınıza çıkar. Muhasebe, hukuk ve insan kaynakları arşivlerinde bu, saatlerce arama yapmakla saniyeler içinde bulmak arasındaki farktır.
Bu yüzden taranmış belgeleri arşive koymadan önce OCR'dan geçirmek, sonradan bir kez daha uğraşmamak adına iyi bir alışkanlıktır.