Tekstiä ei ole OCR-käsitelty oikein

Tekstille ei ehkä suoriteta OCR-käsittelyä oikein tekstihakutiedostoa luotaessa. Tarkista tässä tapauksessa, ovatko OCR-käsittelyn kieliasetukset ja käytettävä alkuperäinen asiakirja asianmukaisia.
Voit muuttaa kieliasetusta alkuperäisen mukaan ja parantaa käsittelyn tarkkuutta käyttämällä alkuperäistä, jonka merkkityypin ja kirjasimen laite tunnistaa, ja käyttämällä OCR-käsittelyyn soveltuvaa alkuperäistä.

OCR-käsittelyn asetus- ja kielistandardi

Tunnistettavat merkkityypit ja fontit (aasialaiset kielet)

Tunnistettavat merkkityypit ja fontit (eurooppalaiset kielet)

OCR-käsittelyyn sopivat alkuperäiset

TÄRKEÄÄ

Kun OCR-käsittelyä ei suoriteta oikein, vaikka kieliasetus on määritetty oikein ja alkuperäinen asiakirja on sopiva

Käsittelytarkkuutta ei ehkä voida parantaa alkuperäisissä asiakirjoissa, joissa on paljon tekstiä sivua kohti.

Huomioi seuraava luotaessa Word-muotoista OOXML-tiedostoa:

Teksti voidaan korvata tahattomilla merkeillä tai merkkejä saattaa puuttua taustaväristä, kirjasimesta, kirjasimen koosta, kursiivista ja muista tekijöistä riippuen.

Kappaleita, rivinvaihtoja tai taulukoita ei ehkä kopioida.

Jotkin kuvat, kuten kaaviot, valokuvat ja sinetit, saatetaan tunnistaa tekstiksi ja korvata tekstillä.

OCR-käsittelyn asetus- ja kielistandardi

Tavalliset kieliasetukset merkintunnistukseen	OCR-käsittelyä määritettäessä valitut kielet ovat merkintunnistuksen perusta. Tekstihakukelpoisen tiedoston luominen (OCR-käsittely)
Tunnistettavat aasialaiset kielet	japani, yksinkertainen kiina, perinteinen kiina, korea * Katso merkkityypit ja fontit seuraavasta: Tunnistettavat merkkityypit ja fontit (aasialaiset kielet)
Tunnistettavat eurooppalaiset kielet ja kieliryhmät	Kielet englanti, ranska, italia, saksa, espanja, hollanti, portugali, albania, katalaani, tanska, suomi, islanti, norja, ruotsi, kroatia, tšekki, unkari, puola, slovakki, viro, latvia, liettua, venäjä, kreikka, turkki, slovenia1, romania1, bulgaria1, heprea1 Kieliryhmät länsieurooppalaiset (ISO)2, keskieurooppalaiset (ISO)3, balttilaiset (ISO)4 Katso merkkityypit ja fontit seuraavasta: Tunnistettavat merkkityypit ja fontit (eurooppalaiset kielet)

*1Tämä voidaan valita vain kohteen [OCR (priorisoitu tarkkuus)] kanssa.

*2Englanti, ranska, italia, saksa, espanja, hollanti, portugali, albania, katalaani, tanska, suomi, islanti, norja ja ruotsi.

*3Kroatia, tšekki, unkari, puola ja slovakki.

*4Englanti, viro, latvia ja liettua.

Tunnistettavat merkkityypit ja fontit (aasialaiset kielet)

Tunnistettavat merkkityypit	Japanese Aakkoset, numerot, kanji*1, symbolit, hiragana ja katakana Kiina (yksinkertaistettu) GB2312-80 (aakkoset, numerot, kanji ja symbolit) Kiina (perinteinen) Big5 (aakkoset, numerot, kanji ja symbolit) Korea KSC5601 (aakkoset, numerot, kanji, symbolit ja hangul)
Tunnistettavat fontit	Usean fontin tuki (suositus: Mincho) * Kursiivia ei tunnisteta.
Tunnistettavat fonttikoot	8 pt – 48 pt.
Tekstintunnistusprosessin päätteeksi käytetyt fontit*2	Japanese Aasialaiset merkit: MS Mincho Eurooppalaiset merkit: Century Kiina (yksinkertaistettu) Aasialaiset merkit: SimSun Eurooppalaiset merkit: Calibri Kiina (perinteinen) Aasialaiset merkit: PMingLiU Eurooppalaiset merkit: Calibri Korea Aasialaiset merkit: Malgun Gothic Eurooppalaiset merkit: Calibri

*1Kaikki JIS 1 -standardikanjit ja jotkut JIS 2 -standardikanjit

*2Vain luotaessa Word-muotoista OOXML-tiedostoa

Tunnistettavat merkkityypit ja fontit (eurooppalaiset kielet)

Tunnistettavat merkkityypit	Aakkoset, tunnistuskielen ainutlaatuiset merkit*1, numerot, symbolit
Tunnistettavat fontit	Usean fontin tuki (suositus: Times, Century, Arial)2 Kursiivi tunnistetaan.
Tunnistettavat fonttikoot	6 pt – 72 pt.
Tekstintunnistusprosessin päätteeksi käytetyt fontit*3	Calibri * Kursivointia ei voi kopioida.

*1Kielestä riippuen joitain yksilöllisiä merkkejä ei ehkä tunnisteta.

*2Arial-, Times New Roman- ja Courier New -fontit voidaan tunnistaa [OCR (priorisoitu tarkkuus)]:sta.

*3Vain luotaessa Word-muotoista OOXML-tiedostoa

OCR-käsittelyyn sopivat alkuperäiset

Voit parantaa OCR-käsittelyn tarkkuutta käyttämällä OCR-käsittelyyn sopivaa alkuperäiskappaletta.

Alkuperäisen tiedostomuoto	Painetut asiakirjat ja tekstinkäsittelyasiakirjat Alkuperäiset, jotka koostuvat tekstistä, kaavioista, valokuvista ja / tai taulukoista, eivätkä ole vinoja
Tekstin muoto	Vaakasuoraa tai pystysuoraa kirjoitusta (myös sekä vaakasuoraa että pystysuoraa kirjoitusta sisältävät asiakirjat voidaan tunnistaa)*1 Asiakirjat, joissa on yhdestä kolmeen saraketta, ilman monimutkaisia kuvioita
Fonttikoko	8 pt – 40 pt.
Taulukon muoto*2	Taulukot jotka täyttävät seuraavat ehdot: Suorakaiteen muotoinen muoto, joka koostuu yhtenäisistä reunusviivoista 32 saraketta tai vähemmän 32 riviä tai vähemmän

*1Vain vaakasuuntainen kirjoitus voidaan tunnistaa eurooppalaisista kielistä ja koreasta.

*2Vain luotaessa Word-muotoista OOXML-tiedostoa