Tarama paketinden metne: sakladığınız PDF’yi önce OCR, sonra Compress
Tarama paketi iki adım ister: PDF123’te OCR Markdown metni döner, Compress ise özgün PDF’yi akış yeniden sıkıştırmayla küçültür. Sıra ve çıktılar ayrıdır.

Bir “tarama paketi” çoğu zaman tek bir PDF’ye zımbalanmış sayfa görüntüleri yığınıdır: diskte ağır, arama ve kopyalama için boş. İnsanların birlikte zincirlediği iki araç bu sitede tek bir sihirli aranabilir PDF üretmez. OCR Markdown döner. Compress hâlâ sakladığınız PDF’yi yeniden yazar.
İş akışının tamamı bu ayrımdır.
OCR burada size gerçekte ne verir
POST /api/v1/misc/ocr-pdf tanımayı çalıştırır ve bir .md dosyası (text/markdown) indirir: yerel PDF metni ile görüntü sayfalarından gelen OCR sonucunun birleşimi. PDF’ye gizli bir metin katmanı yazmaz. Aynı dosya içinde seç-ve-ara beklediyseniz bu farklı bir ürün biçimidir (klasik OCRmyPDF tarzı çıktı). Bu uç nokta, bir ajanın veya ardışık düzenin okuyabileceği metin içindir.
Auto ve Force OCR:
ocrType=force-ocrdışındaki her şey (portal etiketi “Normal” dahil) Auto’ya eşlenir: mevcut metni varsa kullan; yalnızca görüntü içeren sayfaları OCR et.force-ocr, metin katmanı zaten bulunan sayfalar dahil her sayfayı yeniden okur.
Portal formunda dil seçici yoktur. Eski yollardan kalan tessdata tarzı alanlar (languages, deskew, clean bayrakları ve benzerleri) Rust ocr_pdf yolu tarafından yok sayılır. Auto ile Force’un farkı ve tanımanın kötü taramalarda neden başarısız olduğu OCR taranmış bir PDF’yi nasıl okur yazısında ele alınır.
OCR PDF’yi küçültmez. Markdown indirmesi, özgün tarama paketinin yanındaki ikinci bir çıktıdır.
Compress nereye girer
Compress (POST /api/v1/misc/compress-pdf) qpdf akış sıkıştırmasını çalıştırır: --compress-streams=y, flate yeniden sıkıştırma ve üretilen nesne akışları. Bir metin katmanı yaratmaz, yazı tiplerini alt kümelemez ve fotografik seyreltme vaat etmez. Tarama ağırlıklı bir dosyada akışları daha sıkı paketleyerek depolamayı yine küçültebilir; zaten sıkı bir dosyada kazanç küçük olabilir. Akış ve görüntü kaldıraçlarının arka planı: Bir PDF’yi sıkıştırdığınızda gerçekte ne olur.
Compress’i arşivleyeceğiniz veya e-postayla göndereceğiniz PDF üzerinde kullanın. Markdown OCR çıktısını kelimelere ihtiyaç duyduğunuzda kullanın. Önce sıkıştırmak OCR’ı daha doğru yapmaz; önce OCR yapmak PDF’yi küçültmez.
Pratik bir sıra
- Görüntüleyici paketi açmıyorsa önce Repair veya Get Info.
- Tarama paketini Markdown’a OCR edin ve birkaç sayfa metni kontrol edin.
- Kalan sorun boyutsa, PDF’nin bir kopyasını ayrıca Compress edin.
- Politika gerektiriyorsa dokunulmamış özgünü saklayın.
Bir dosyayı şifrelemek, her iki adımdan önce yetkili bir Unlock gerektirir. Sırlar OCR değil, Sanitize / Auto Redact gerektirir. Bir taramadan sonra 204 dönen tablo dışa aktarma, metin sütunu bulunamadı demektir; önce OCR Markdown yapın, sonra bir elektronik tablo aracının uygulanıp uygulanmayacağına karar verin (Boş tablo dışa aktarma (204)).
İzlemeniz gereken çıktılar
Tipik bir çalıştırmadan sonra elinizde üç çıktı olabilir: özgün tarama paketi, bir .md OCR indirmesi ve (isteğe bağlı) sıkıştırılmış bir PDF kopyası. Bunları etiketleyin. Yalnızca Markdown’ı e-postalamak sayfa görüntülerini kaybeder; yalnızca sıkıştırılmış PDF’yi e-postalamakta bu OCR yolundan gelen bir seç-ve-ara katmanı yoktur. Hem kelimeleri hem de daha küçük bir PDF’yi gerektiren ardışık düzenler iki çıktıyı da saklamalı ya da bir tarafı sonradan yeniden çalıştırmalıdır.
Metin katmanı bozuk, doğuştan dijital bir pakette Force OCR yine yararlı olabilir; temiz, doğuştan dijital bir pakette Auto, OCR çalışma zamanını tamamen atlayabilir. Hiçbir kip metni PDF’ye geri yazmaz.
Bu iş akışı ne değildir
Tarama paketleri, ekipler tek bir düğmenin bir masaüstü OCRmyPDF ardışık düzeni gibi hem metni çıkarıp hem pikselleri küçülttüğünü varsayınca başarısız olur. Burada metin Markdown olarak ayrılır; siz bilerek Compress etmedikçe PDF PDF olarak kalır. Bu sitede tek bir çağrıdan “aynı PDF, artık aranabilir ve daha küçük” döndüren bir adım yoktur.
Aynı işlemlerin HTTP otomasyonu için Geliştiriciler sayfasına bakın.