متن به‌درستی پردازش OCR نشده است

ممکن است هنگام ایجاد یک فایل قابل جستجوی متنی، متن به‌درستی از طریق OCR پردازش نشود. در این مورد بررسی کنید که آیا تنظیمات زبان برای پردازش OCR و متن اصلی مورد استفاده مناسب هستند یا خیر.
شما می‌توانید تنظیمات زبان را بر اساس سند اصلی تغییر دهید و با استفاده از نسخه‌ای که نوع نویسه و فونت آن برای دستگاه قابل تشخیص است و همچنین نسخه‌ای مناسب برای پردازش OCR، دقت پردازش را بهبود بخشید.

مهم

وقتی که پردازش OCR حتی با تنظیم زبان مناسب و متن اصلی، به‌درستی انجام نمی‌شود

ممکن است نتوان دقت پردازش را برای اسناد اصلی با حجم زیاد متن در هر صفحه بهبود بخشید.

هنگام ایجاد فایل OOXML با فرمت Word:

ممکن است متن با نویسه‌های ناخواسته جایگزین شود یا بسته به رنگ پس‌زمینه، فونت، اندازه فونت، ایتالیکی بودن و سایر عوامل، برخی نویسه‌ها حذف شوند.

ممکن است پاراگراف‌ها، شکست‌های خط یا جدول‌ها بازتولید نشوند.

برخی تصاویر مانند نمودارها، عکس‌ها و مهرها ممکن است به‌عنوان متن شناسایی شده و با متن جایگزین شوند.

تنظیمات و زبان‌ها برای پردازش استاندارد OCR

تنظیمات استاندارد زبان برای تشخیص حروف	زبان‌های انتخاب‌شده هنگام تنظیم پردازش OCR، مبنای شناسایی حروف هستند. ایجاد یک فایل قابل جستجو در متن (پردازش OCR)
زبان‌های آسیایی قابل تشخیص	ژاپنی، چینی (ساده شده)، چینی (سنتی)، کره‌ای * برای اطلاع از انواع نویسه و فونت‌ها، بخش زیر را ملاحظه کنید: فونت‌ها و انواع نویسه‌های قابل تشخیص (زبان‌های آسیایی)
گروه‌های زبانی و زبان‌های اروپایی قابل تشخیص	زبان زبان‌ها انگلیسی، فرانسوی، ایتالیایی، آلمانی، اسپانیایی، هلندی، پرتغالی، آلبانیایی، کاتالان، دانمارکی، فنلاندی، ایسلندی، نروژی، سوئدی، کرواتی، چک، مجارستانی، لهستانی، اسلواکی، استونی، لتونی، لیتوانیایی، روسی، یونانی، ترکی گروه‌های زبانی اروپای غربی (ISO)1، اروپای مرکزی (ISO)2، بالتیک (ISO)3 برای اطلاع از انواع نویسه و فونت‌ها، بخش زیر را ملاحظه کنید: فونت‌ها و انواع نویسه‌های قابل تشخیص (زبان‌های اروپایی)

*1شامل انگلیسی، فرانسوی، ایتالیایی، آلمانی، اسپانیایی، هلندی، پرتغالی، آلبانیایی، کاتالان، دانمارکی، فنلاندی، ایسلندی، نروژی و سوئدی می‌شود.

*2 شامل کرواتی، چک، مجارستانی، لهستانی و اسلواکی می‌شود.

*3 شامل استونی، لتونی و لیتوانیایی می‌شود.

فونت‌ها و انواع نویسه‌های قابل تشخیص (زبان‌های آسیایی)

انواع نویسه قابل تشخیص	ژاپنی الفبا، اعداد، کانجی*1، نمادها، هیراگانا و کاتاکانا چینی (ساده‌شده) GB2312-80 (الفبا، اعداد، کانجی و نمادها) چینی (سنتی) Big5 (الفبا، اعداد، کانجی و نمادها) کره‌ای KSC5601 (الفبا، اعداد، کانجی، نمادها و هانگول)
فونت‌های قابل تشخیص	پشتیبانی چند-فونت (توصیه می‌شود: من می‌خورم *نویسه‌های ایتالیایی قابل تشخیص نیست.
اندازه‌های فونت قابل تشخیص	8 پوینت تا 48 پوینت
فونت‌های استفاده‌شده پس از پردازش OCR*2	ژاپنی نویسه‌های آسیایی: MS Mincho نویسه‌های اروپایی: Century چینی (ساده‌شده) نویسه‌های آسیایی: SimSun نویسه‌های اروپایی: Calibri چینی (سنتی) نویسه‌های آسیایی: PMingLiU نویسه‌های اروپایی: Calibri کره‌ای نویسه‌های آسیایی: مالگون گاتیک نویسه‌های اروپایی: Calibri

*1تمام کانجی‌های استاندارد JIS 1 و برخی از کانجی‌های استاندارد JIS 2

*2فقط هنگام ایجاد فایل OOXML با فرمت Word

فونت‌ها و انواع نویسه‌های قابل تشخیص (زبان‌های اروپایی)

انواع نویسه قابل تشخیص	الفبا، نویسه‌های منحصربه‌فرد زبان تشخیص*1، اعداد، نمادها
فونت‌های قابل تشخیص	پشتیبانی چند-فونت (توصیه می‌شود: تایمز، سنتری، آریال) * نویسه‌های کج قابل تشخیص است.
اندازه‌های فونت قابل تشخیص	6 پوینت تا 72 پوینت.
فونت‌های استفاده‌شده پس از پردازش OCR*2	Calibri * حروف مایل قابل بازتولید نیستند.

*1بسته به زبان، ممکن است برخی از نویسه‌های منحصربه‌فرد شناسایی نشوند.

*2فقط هنگام ایجاد فایل OOXML با فرمت Word

اسناد اصلی مناسب برای پردازش با OCR

می‌توانید با استفاده از یک تصویر اصلی مناسب برای پردازش OCR، دقت پردازش OCR را بهبود ببخشید.

قالب فایل سند اصلی	اسناد چاپی و اسناد واژه‌پردازی اسناد اصلی متشکل از متن، نمودارها، عکس‌ها و/یا جداول هستند و مورب نیستند
قالب متنی	نوشته‌های افقی و عمودی (اسناد حاوی نوشته‌های افقی و عمودی نیز قابل تشخیص هستند)*1 اسناد با یک تا سه ستون و بدون پیچیدگی‌های پیچیده
اندازه فونت	8 پوینت تا 40 پوینت.
فرمت خروجی*2	جدول‌هایی که با شرایط زیر مطابقت دارند: قالب مستطیلی متشکل از خطوط حاشیه یکپارچه 32 ستون یا کمتر 32 سطر یا کمتر

*1برای زبان‌های اروپایی و متن کره‌ای، تنها نوشته‌های افقی قابل تشخیص است.

*2فقط هنگام ایجاد فایل OOXML با فرمت Word