⁦Scanned PDF to text (OCR)⁩ — اسکین شدہ ⁦PDF⁩ سے متن:
اسکین شدہ صفحات سے متن پڑھیں

اسکین شدہ ⁦PDF⁩ سے متن کیسے نکالیں

1. سیٹنگز پینل میں دستاویز کی “زبان” چنیں۔
2. “فائلیں منتخب کریں” پر کلک کریں یا اسکین شدہ ⁦PDF⁩ صفحے پر چھوڑ دیں۔
3. ہر صفحہ باری باری پڑھا جاتا ہے، اور پیش رفت دکھاتی ہے کہ کام کہاں تک پہنچا۔ پہلی بار ٹیکسٹ ریڈر ڈاؤن لوڈ ہوتا ہے، اس لیے شروعات تھوڑی سست ہوتی ہے۔
4. .⁦txt⁩ یا .⁦docx⁩ فائل ڈاؤن لوڈ کرنے کے لیے “محفوظ کریں” پر کلک کریں۔

کیا آپ کو ⁦OCR⁩ کی ضرورت ہے؟ ایک فوری ٹیسٹ

⁦PDF⁩ کھولیں اور کوئی لفظ سلیکٹ کرنے کی کوشش کریں، یا ⁦Ctrl+F (Mac⁩ پر ⁦Cmd+F)⁩ سے کوئی لفظ سرچ کریں۔ اگر لفظ ہائی لائٹ ہو جائے یا مل جائے تو ⁦PDF⁩ میں پہلے سے متن موجود ہے۔ ایسی فائلوں کے لیے ⁦PDF⁩ سے ⁦TXT⁩ اور ⁦PDF⁩ سے ⁦Word⁩ زیادہ تیز ہیں اور متن ہوبہو، پہچان کی کسی غلطی کے بغیر، کاپی کرتے ہیں۔

اگر کچھ بھی سلیکٹ نہ ہو تو ⁦PDF⁩ میں صفحات کی تصویریں ہیں، جو اسکینرز، فون کی اسکیننگ ایپس اور فیکس مشینیں عموماً بناتی ہیں۔ یہی اس ٹول کا کام ہے۔

سیٹنگز کیا کرتی ہیں

• زبان: “انگریزی”، “اردو + انگریزی”، “ہندی + انگریزی”، “عربی + انگریزی”، “ہسپانوی”، “پرتگالی” یا “انڈونیشیائی”۔ وہ زبان چنیں جس میں دستاویز لکھی ہے؛ ملی جلی سیٹنگز دونوں رسم الخط پڑھتی ہیں۔
• لے آؤٹ: “خودکار (کالم خود ڈھونڈتا ہے)” خطوط، رپورٹس اور مضامین کے لیے موزوں ہے، اور کالموں کو الگ رکھتا ہے۔ “لائن بہ لائن (رسیدیں، ٹیبلز)” ہر صفحہ لائن کے بعد لائن پڑھتا ہے اور الفاظ کے درمیان فاصلے رکھتا ہے، جو اسٹیٹمنٹس، انوائسز اور قیمتوں کی فہرستوں میں مدد دیتا ہے جہاں لیبل اور رقم ایک ہی لائن پر ہوں۔
• اس طرح محفوظ کریں: “ٹیکسٹ فائل (.⁦txt)⁩” ہر صفحے کو “----- ⁦Page 2⁩ -----” جیسی لائن سے نشان زد کرتی ہے۔ “⁦Word⁩ دستاویز (.⁦docx)⁩” ہر صفحے کو ⁦Word⁩ میں نئے صفحے سے شروع کرتی ہے، اور عربی اور اردو متن دائیں سے بائیں سیٹ ہوتا ہے۔

یہ کیسے کام کرتا ہے اور کیا توقع رکھیں

ہر صفحہ ⁦300 dpi⁩ پر بنایا جاتا ہے، جو ⁦OCR⁩ کے لیے اچھی ریزولوشن ہے، اور ایک وقت میں ایک صفحہ پڑھا جاتا ہے۔ بہت بڑے صفحات میموری بچانے کے لیے چھوٹے بنائے جاتے ہیں۔ تمام صفحات پڑھے جاتے ہیں، اس لیے لمبی دستاویزات میں کچھ وقت لگتا ہے۔ فائل کا صرف کچھ حصہ پڑھنا ہو تو پہلے ⁦PDF⁩ صفحات نکالیں سے اسے چھوٹا کر لیں۔

ٹیکسٹ ریڈر ایک بار ڈاؤن لوڈ ہوتا ہے، تقریباً ⁦1 MB⁩، اور ہر زبان کے لیے ⁦1⁩ سے ⁦3 MB⁩ ڈیٹا، اور آپ کا براؤزر اسے اگلی بار کے لیے محفوظ رکھتا ہے۔

نتیجے میں صرف الفاظ ہوتے ہیں۔ فونٹس، بولڈ، تصاویر اور ٹیبل کے بارڈر برقرار نہیں رہتے، اور اسکین خود نہیں بدلتا۔ یہ ٹول ⁦PDF⁩ میں ٹیکسٹ لیئر نہیں ڈالتا، اس لیے نتیجہ ⁦searchable PDF⁩ نہیں ہوتا۔

حدود اور عام مسائل

• ہاتھ کی لکھائی قابلِ اعتماد طریقے سے نہیں پڑھی جاتی۔ یہ ٹول پرنٹ شدہ اور ٹائپ کیے گئے متن کے لیے بنا ہے۔
• پہلو کے بل یا الٹا اسکین کیا گیا صفحہ درست نہیں کیا جاتا۔ ⁦PDF⁩ گھمائیں سے اسے سیدھا کریں، پھر ⁦OCR⁩ چلائیں۔
• آپ کو نوٹ نظر آتا ہے کہ کچھ الفاظ غلط ہو سکتے ہیں۔ اسکین دھندلا، چھوٹا یا مدھم ہے۔ ہو سکے تو زیادہ ریزولوشن پر دوبارہ اسکین کریں، اور نام، تاریخیں اور رقمیں ہمیشہ چیک کریں۔
• “کچھ صفحات پر ایسا کوئی متن نہیں تھا جو ہم پڑھ سکیں” کا مطلب عموماً خالی صفحات یا صرف فوٹوز والے صفحات ہوتے ہیں۔
• ⁦PDF⁩ پر پاس ورڈ لگا ہے۔ پہلے ⁦PDF⁩ ان لاک کریں سے پاس ورڈ ہٹائیں۔