स्कैन PDF को Excel में बदलें—इस काम की सफलता अक्सर OCR शुरू होने से पहले तय हो जाती है। थोड़ा टेढ़ा पेज, धूसर पृष्ठभूमि या हल्की तालिका रेखाएँ पहचान को कठिन बना सकती हैं। परिणाम में दो कॉलम जुड़ सकते हैं, एक पंक्ति टूट सकती है या सही पढ़ा गया अंक भी गलत खाने में पहुँच सकता है। इसलिए केवल दूसरा कनवर्टर चुनने के बजाय पहले स्कैन की बनावट देखना उपयोगी है।
यह मार्गदर्शिका तालिका पहचान से पहले पेज को तैयार करने पर केंद्रित है। इसमें पंक्ति-दर-पंक्ति वित्तीय मिलान के बजाय झुकाव, रेखाओं की स्पष्टता और तालिका के आसपास की अनावश्यक सामग्री की जाँच की गई है। संबंधित प्रक्रिया और वर्तमान उपलब्धता की जानकारी स्कैन PDF को Excel में बदलने के जानकारी पृष्ठ पर देख सकते हैं।
पहले तालिका की संरचना समझें
OCR का एक भाग अक्षरों को पढ़ता है, जबकि तालिका निकालने की प्रक्रिया यह अनुमान लगाती है कि कौन-सा पाठ किस पंक्ति और कॉलम का हिस्सा है। Excel में मिलने वाला परिणाम इन दोनों पर निर्भर करता है। साफ़ अक्षर होने से यह निश्चित नहीं होता कि तालिका की संरचना भी सही पहचानी जाएगी।
शुरू करने से पहले एक प्रतिनिधि पेज खोलें। देखें कि पाठ की आधाररेखाएँ सीधी हैं या नहीं, किनारों पर छाया है या नहीं और तालिका की सीमा कहाँ समाप्त होती है। किसी कॉलम के बीच की रेखा फीकी हो तो आसपास के पाठ का संरेखण भी देखें। केवल स्क्रीन पर अच्छा दिखना और पहचान के लिए पर्याप्त जानकारी होना अलग बातें हैं।
उदाहरण: थोड़ा झुका हुआ आपूर्तिकर्ता विवरण
मान लें कि दो पेज का आपूर्तिकर्ता विवरण पहले छापा गया और फिर उसकी प्रतिलिपि स्कैन की गई। पेज दाईं ओर झुका है, कागज धूसर दिख रहा है, क्षैतिज रेखाएँ स्पष्ट हैं लेकिन लंबवत रेखाएँ फीकी हैं। राशि के अंक साफ़ हैं, जबकि तारीख का पाठ हल्का है।
इस स्कैन को बिना तैयारी के संसाधित करने पर तारीख और संदर्भ संख्या एक ही कॉलम में आ सकती हैं। खाली खाने पंक्ति-विराम समझे जा सकते हैं। सबसे नीचे की पंक्ति के साथ फ़ुटर का पाठ भी जुड़ सकता है। समस्या केवल अक्षर पहचानने की नहीं है; कमज़ोर संकेतों से तालिका की सीमाएँ अनुमानित करने में भी कठिनाई हो रही है।
ऐसे उदाहरण में पहले कोण सुधारना और फिर हल्की सफ़ाई करना अधिक उपयोगी हो सकता है। मूल फ़ाइल अलग रखें और सभी बदलाव उसकी प्रति पर करें, ताकि हर परिणाम की तुलना स्रोत से हो सके।
पेज का झुकाव सबसे पहले ठीक करें
झुकाव का प्रभाव पूरी तालिका पर पड़ता है। ऊपर सही दिखने वाला कॉलम नीचे जाते-जाते पड़ोसी कॉलम की दिशा में खिसका हुआ लग सकता है। कंट्रास्ट बढ़ाने से पहले पंक्तियों और पाठ का सामान्य कोण ठीक करें।
- पेज के किनारे, पाठ की आधाररेखा और लंबी तालिका रेखाओं को देखें।
- घुमाव इतना सुधारें कि मुख्य पंक्तियाँ क्षैतिज दिखाई दें।
- बीच की एक पंक्ति और सबसे नीचे की एक पंक्ति की तुलना करें।
- सुनिश्चित करें कि सुधार के बाद कोई किनारा या जरूरी कॉलम कट नहीं गया।
- संरेखण स्थिर होने पर ही पृष्ठभूमि या रेखाओं पर अगला बदलाव करें।
यदि फोन से ली गई तस्वीर में पंक्तियाँ घुमावदार हैं, तो केवल पेज घुमाना पर्याप्त नहीं होगा। मुड़ा हुआ कागज और कैमरे का परिप्रेक्ष्य साधारण झुकाव से अलग समस्याएँ हैं। उपलब्ध हो तो समतल रखकर नई तस्वीर या बेहतर स्कैन लेना लगातार फ़िल्टर लगाने से अधिक उपयोगी हो सकता है।
हल्की रेखाएँ उभारें, छोटे चिह्न न मिटाएँ
कंट्रास्ट का उद्देश्य पूरी छवि को बहुत गहरा बनाना नहीं, बल्कि तालिका की सीमा थोड़ा स्पष्ट करना है। अत्यधिक बदलाव से दशमलव बिंदु, अल्पविराम, ऋण चिह्न और पतले अंक गायब या विकृत हो सकते हैं।
पहले चमक और स्थानीय कंट्रास्ट में छोटा बदलाव करें। धूसर कागज की पृष्ठभूमि कुछ साफ़ होने पर जाँचें कि अक्षरों के किनारे बचे हैं या नहीं। प्रतिलिपि मशीन से आए छोटे धब्बों को हल्के ढंग से कम करें। अंक अब भी धुंधले हों तो ही सीमित धार बढ़ाने का प्रयोग करें।
हर बदलाव के बाद उसी छोटे हिस्से को मूल स्कैन से मिलाएँ। यदि रेखा स्पष्ट हुई लेकिन छोटे अंक मोटे धब्बे बन गए, तो यह उपयोगी सुधार नहीं है। पेज को बहुत जल्दी कठोर काले-सफेद रूप में बदलना या बार-बार धार बढ़ाना अक्सर अनावश्यक नुकसान करता है।
तालिका को आसपास की सामग्री से अलग करें
एक विवरण में शीर्षक, पता, मुहर, तालिका, टिप्पणी और हस्ताक्षर एक साथ हो सकते हैं। पूरी सामग्री एक ही पहचान चरण में भेजने पर तालिका कहाँ शुरू होती है और कहाँ समाप्त होती है, इसका अनुमान गलत हो सकता है।
संसाधित की जाने वाली प्रति में मुख्य तालिका का क्षेत्र अलग करना उपयोगी हो सकता है, खासकर जब बड़ी खाली सीमाएँ, हस्तलिखित नोट या फ़ुटर पास में हों। कॉलम के शीर्षक, पहली और आखिरी पंक्ति तथा जरूरी इकाइयाँ क्षेत्र के भीतर रखें। अर्थ समझने के लिए जरूरी टिप्पणी हटाकर डेटा को संदर्भहीन न बनाएँ; पूरा मूल PDF संदर्भ के लिए सुरक्षित रखें।
यदि पेज पर तालिका के ऊपर चार्ट हो, तो दोनों को अलग क्षेत्रों की तरह देखें। एक प्रकार की सामग्री के लिए उपयुक्त तैयारी दूसरे प्रकार की सामग्री के लिए सही हो, यह आवश्यक नहीं है।
पहचान से पहले छोटी जाँच-सूची अपनाएँ
| जाँच | क्या देखें | अगला कदम |
|---|---|---|
| पेज का कोण | पंक्तियाँ या पाठ तिरछे हैं | पहले झुकाव सुधारें |
| पृष्ठभूमि | धूसर रंग या असमान छाया है | चमक और कंट्रास्ट में हल्का सुधार करें |
| तालिका रेखाएँ | सीमाएँ मुश्किल से दिखती हैं | अक्षर सुरक्षित रखते हुए सीमित सुधार करें |
| आसपास की सामग्री | मुहर, नोट या फ़ुटर भ्रम पैदा करते हैं | जरूरी संदर्भ बचाकर तालिका क्षेत्र अलग करें |
| अंक और विराम चिह्न | किनारे टूटे या धुंधले हैं | तेज बदलाव कम करें और मूल से तुलना करें |
| पेज की आकृति | पंक्तियाँ मुड़ी हुई हैं | बेहतर स्कैन या नई तस्वीर पर विचार करें |
यह सूची तैयारी को एक स्पष्ट उद्देश्य देती है: संरचना को पहचानने योग्य बनाना। छवि को केवल सुंदर दिखाने के लिए जरूरी सूक्ष्म विवरण हटाना उचित नहीं है।
छोटा परीक्षण करें और रुकने की सीमा तय करें
पूरी फ़ाइल पर बदलाव लागू करने से पहले एक प्रतिनिधि पेज चुनें। झुकाव ठीक करें, जरूरत हो तो तालिका क्षेत्र अलग करें, पृष्ठभूमि में हल्का सुधार करें और फिर OCR का छोटा परीक्षण चलाएँ। देखें कि कॉलम अलग हुए हैं या नहीं और खाली खानों के कारण पंक्तियाँ टूट तो नहीं रही हैं।
परिणाम बेहतर हो तो समान स्रोत वाले अगले कुछ पेजों पर वही तैयारी आजमाएँ। एक ही दस्तावेज़ में फोन की तस्वीरें, स्कैनर के पेज और फैक्स की प्रतियाँ मिली हों तो उनके लिए अलग तैयारी की जरूरत पड़ सकती है। पूरे समूह पर बिना जाँच एक ही सेटिंग लागू न करें।
यदि दशमलव बिंदु मिटने लगें, सीमाएँ मोटे धब्बे बनें या अक्षरों के चारों ओर असामान्य किनारे उभरें, तो पिछला बदलाव वापस लें। साफ़ पृष्ठभूमि मिलने के बाद भी कॉलम अस्पष्ट हों तो और फ़िल्टर जोड़ने के बजाय स्रोत की गुणवत्ता पर ध्यान दें।
स्रोत की सीमाओं को पहचानें
बहुत कम रिज़ॉल्यूशन, गायब रेखाएँ, जुड़े हुए खाने और पाठ के ऊपर लगी मुहरें परिणाम को सीमित कर सकती हैं। जो जानकारी स्कैन में मौजूद ही नहीं है, उसे साधारण सफ़ाई से विश्वसनीय ढंग से वापस नहीं लाया जा सकता।
इसलिए निश्चित सटीकता या बिल्कुल समान स्वरूप का वादा उचित नहीं है। व्यावहारिक क्रम यही है: पहले पेज सीधा करें, फिर हल्का कंट्रास्ट सुधारें, तालिका का क्षेत्र स्पष्ट करें और एक छोटे नमूने की जाँच करें। सुधार से विवरण खराब होने लगें तो रुकें और उपलब्ध होने पर बेहतर स्रोत लें।