عارض طبقة OCR في PDF

الطبقة التي لا يراها أحد

حين يمرّ مسحٌ ضوئي على OCR، لا يستبدل محرك التعرف الصورة. يترك المسح كما هو تمامًا، ويكتب فوقه الكلمات التي تعرَّف عليها بنمط الرسم 3 في PDF — «لا تعبئة ولا حدّ». النص موجود، قابل للتحديد والبحث، لكن لن يرسم أي عارضٍ بكسلًا واحدًا منه.

هذا تصميم منطقي، وهو ما يجعل الحكم على جودة التعرف مستحيلًا. البحث الذي لا يعيد شيئًا يخبرك بأن الكلمة مفقودة، لكنه لا يخبرك إن كان المحرك قد قرأ «استُلم» على نحوٍ خاطئ، أو أزاح عمودًا كاملًا سطرًا إلى الأعلى.

ما الذي تعرضه هذه الأداة

تُعاد كل كلمة متعرَّف عليها إلى الإطار الذي جاءت منه بالضبط، فوق المسح الضوئي الذي انبثقت عنه. أربعة أوضاع للعرض:

• الأُطر فقط — مخططات فحسب، لترى التغطية والمحاذاة دون أن يعترض النص طريقك.
• النص فوق الصورة — الكلمات المتعرَّف عليها مرسومة بشفافية جزئية فوق المسح، مع مقبض للشفافية. حيث ينحرف التعرف، تنزلق الكلمة المرسومة عن الكلمة الممسوحة تحتها انزلاقًا واضحًا.
• النص فقط — الطبقة وحدها على ورق أبيض، وهو ما يحصل عليه قارئ الشاشة عمليًّا.
• الصورة فقط — المسح كما هو، للمقارنة.

بدّل بين أُطر الكلمات والأسطر والكتل، وابحث في النص المتعرَّف عليه لترى النتائج مبرزة على الصفحة، وانقر أي إطار للانتقال إليه في القائمة.

الحكم على الجودة

تحصل لكل صفحة على عدد الكلمات والأحرف، ونسبة النص غير المرئي فعلًا، ومتوسط حجم إطار الكلمة، ورقم التغطية: ما مقدار مساحة الصفحة التي تشغلها أُطر OCR. المحرك الذي استسلم في منتصف الصفحة يفضحه انخفاض التغطية قبل أن تلاحظ الكلمات الناقصة بوقت طويل.

تُعلَّم الكلمات ذات الشكل الشاذ إحصائيًّا: بلا حروف علة، أو خلط حروف بأرقام، أو شظايا من حرف واحد، أو سلاسل رموز، أو أُطر خارجة بشدة عن سياق جاراتها. هذه اشتباهات لا أخطاء.

التصدير

نص عادي، أو JSON يضم كل إطار وخطّه، أو HTML بنمط hOCR للأدوات التالية في السلسلة. الإحداثيات بنقاط PDF ونقطة الأصل في أعلى اليسار.

الخصوصية

لا يُرفع أي شيء. يُحلَّل الملف ويُعرض ويُقاس بالكامل داخل متصفحك.