PDF'de Metin Katmanı Yok mu? Kural Kurmadan Önce Nasıl Anlarsınız

Bir PDF'in metin katmanı yoktur çünkü sayfadaki kelimeler hiçbir zaman metin olarak kodlanmamıştır — dosya yalnızca onların bir görüntüsünü tutar, dolayısıyla bir kuralın, bir arama kutusunun veya Ctrl+F'in okuyabileceği hiçbir şey yoktur. Bu, bir içerik kuralının sessizce hiçbir şey yapmamasının en yaygın nedenidir: kural bozuk değildir, resmin altında eşleşecek bir şey olmayan bir dosya vardır.

Hangi tür PDF'e baktığınızı bir dakikadan kısa sürede, Mac'te veya Windows'ta, bir kural kurmaya vakit harcamadan önce öğrenebilirsiniz. Bu rehber o kontrolü, dosya testi geçemediğinde ne yapılacağını ve normal bir PDF'te bile aynı sessiz eşleşmemeye yol açan diğer biçimleri ve sınırları anlatıyor.

Kuralım Neden PDF İçinde Metin Bulamıyor?

Word'den, Pages'ten veya modern bir tarama uygulamasından çıkan bir PDF aynı anda iki şeyi taşır: gördüğünüz sayfanın görüntüsünü ve onun arkasına yerleştirilmiş, gizli bir gerçek karakter katmanını. Bu gizli katman, metin katmanıdır. Bir PDF okuyucunun bir cümleyi seçmenize izin vermek için kullandığı, Ctrl+F'in aradığı ve bir içerik kuralının okuduğu şey odur.

Taranmış bir sayfada veya bir belgenin telefon fotoğrafında yalnızca görüntü vardır. Kimse üzerinde metin tanıma çalıştırmamıştır, bu yüzden görüntünün arkasında karakter yoktur — yalnızca harflere benzeyecek şekilde dizilmiş pikseller. İnsan gözüne, taranmış bir fatura ile "PDF olarak yazdırılmış" bir fatura birebir aynı görünebilir. Yazılıma göre birinin içinde kelimeler vardır, diğerinde hiç yoktur. İnsanları asıl şaşırtan da bu: dosya normal bir belge gibi görünür, sorunsuz açılır, sorunsuz yazdırılır ve yine de kural önce OCR çalıştırmadıkça bir içerik kuralıyla eşleşmez, çünkü eşleşecek bir metin hiç var olmamıştır.

Bu, File Arbor'a özgü bir tuhaflık değil — bir dosyanın içeriğini okuyan her araç okuyacak bir metin katmanına ihtiyaç duyar, File Juggler ve organize dahil; taramaları işleyenler, yani Hazel 6 ve 1.3.0'dan itibaren File Arbor Pro, o metni oluşturmak için önce OCR çalıştırır. Noodlesoft'un kendi Hazel destek forumunda, kuralları PDF'leri "okumayı bırakan" kullanıcılardan gelen tekrarlayan bir konu var; o konuda tekrarlayan açıklama, eksik bir metin katmanı ya da onunla senkronu kaybetmiş bir Spotlight dizinidir.

60 Saniyelik Test: Bu PDF'in Metin Katmanı Var mı?

Bir PDF'in içeriği etrafında herhangi bir kural kurmadan önce, dosyayı açın ve bir kuralın yapacağı gibi okumayı deneyin: metnini seçmeyi veya aramayı deneyerek. Hiçbir şey seçilmiyor ve hiçbir şey aranmıyorsa, metin katmanı yoktur ve önce OCR çalıştırmadıkça hiçbir içerik kuralı o dosyayla eşleşmez — File Arbor Pro'da kuralı taranmış belgeleri de okuyacak şekilde ayarlayarak (1.3.0'dan itibaren).

Mac'te

PDF'i Önizleme'de açın. Görünen bir metin satırının üzerinde tıklayıp sürükleyin. Tek tek kelimeler vurgulanıyorsa dosyanın metin katmanı vardır. Nereye sürüklerseniz sürükleyin hiçbir şey vurgulanmıyorsa yoktur. İkinci bir kontrol olarak Command-F'e basın ve sayfada net biçimde gördüğünüz bir kelimeyi arayın — gerçek bir metin katmanı onu anında bulur, yalnızca görüntüden oluşan bir PDF hiçbir şey bulamaz.

Windows'ta

PDF'i varsayılan okuyucunuzda açın (Microsoft Edge bunu Windows 10 ve 11'de kutudan çıktığı gibi halleder). Bir metin satırının üzerinde tıklayıp sürükleyin, ya da her şeyi seçmek için Ctrl+A'ya basın. Bir metin katmanı tek tek kelimeleri vurgular; yalnızca görüntüden oluşan bir sayfa ise ya hiçbir şey seçmez ya da tüm görüntünün etrafına tek bir kutu çizer. İkinci bir kontrol olarak Ctrl+F'e basıp sayfadan bir kelime arayın — Mac'teki ile aynı kural: bulundu demek metin katmanı var demek, bulunamadı demek yok demek.

Bu testi bir klasörün tamamına kural kurmadan önce, o klasörü temsil eden tek bir dosyada çalıştırın. Aksi hâlde metin ağırlıklı bir grubun içindeki tek bir taranmış kapak sayfası testi geçer; masaüstü tarayıcı çıktısıyla dolu bir klasör genellikle geçmez, ve bunu bir kural bir hafta boyunca sessizce hiçbir şey yapmadan önce bilmek, sonradan öğrenmekten çok daha iyidir.

Aranabilir PDF mi, Taranmış PDF mi: Hangi Araçlar Gerçekten OCR Çalıştırıyor?

Aranabilir bir PDF ile taranmış bir PDF görsel olarak ayırt edilemez, işlevsel olarak ise tam tersi olabilir. Fark, OCR'ın — optik karakter tanımanın — dosya üzerinde hiç çalışıp çalışmadığıdır; ister oluşturulurken (taradığı anda metni tanıyan bir tarama uygulaması), ister sonradan (mevcut, yalnızca görüntüden oluşan bir dosya üzerinde ayrı bir OCR geçişi).

Araçların gerçekten ayrıldığı yer burası, ve bunu bir dipnot yerine açıkça söylemekte fayda var: Hazel 6, OCR yapılmamış PDF'lerde anlık metin tanıma çalıştırır ve eşleştirme adımının tam içinde, şifreli bir PDF'i açmak için kendisine bir parola verilebilir. File Arbor 1.3.0'dan önce ikisini de yapmıyordu. O zamandan beri Pro da OCR çalıştırır, bir kural taranmış belgeleri de okuyacak şekilde ayarlandığında: taranmış bir PDF'in veya bir fotoğrafın (JPEG, PNG, TIFF) ilk ve son sayfasını, 9 dilde, sayfa başına yaklaşık bir saniyede okur. Hâlâ parola alanı yoktur, bu yüzden şifreli bir PDF okunamaz kalır.

PDF'leriniz düzenli olarak şifreleniyorsa, Hazel'ın parola seçeneği, başka türlü çapraz platform bir araç tercih edecek biri için bile Mac'te File Arbor yerine ona yönelmenin pratik nedenidir. Taramalar için ikisi de artık OCR'ı kuralın içinde çalıştırır. File Arbor Pro ise yalnızca ilk ve son sayfayı okur; bu yüzden ihtiyacınız olan metin uzun bir taramanın daha derinlerindeyse, ihtiyacı olan dosyalarda OCR'ı bir kez, önceden çalıştırmak, bir File Arbor içerik kuralını yine aynı sonuca ulaştırır.

Metin Katmanı Yoksa Ne Yapmalısınız?

60 saniyelik testi geçememek, o dosya için içerik eşleştirmenin masadan kalktığı anlamına gelmez — ikisi de "bekleyip ummak" olmayan iki dürüst seçeneğiniz olduğu anlamına gelir.

Üzerinde OCR çalıştırın. 1.3.0'dan itibaren File Arbor Pro bunu kuralın içinde yapabilir: kuralı taranmış belgeleri de okuyacak şekilde ayarlayın, her taramanın ilk ve son sayfasını okur. Aynı kural, taramayı okuduğu bir tarihe ya da numaraya göre adlandırabilir de; bunu PDF dosya adını içeriğine göre değiştirme rehberinde görebilirsiniz. Aksi hâlde özel bir OCR aracı, tarayıcınızla birlikte gelen yazılım veya Adobe Acrobat'ın yerleşik tanıma adımı, yalnızca görüntüden oluşan bir PDF'e gerçek bir metin katmanı ekleyebilir. Bu yapıldıktan sonra dosya aynı seç-ve-ara testini geçer ve bir içerik kuralı onu diğer her PDF gibi okuyabilir.

Ya da o dosya için içerik eşleştirmeyi atlayıp başka bir şeye göre eşleştirin. Dosya adına, geldiği klasöre veya tarihine göre eşleşen bir kuralın, dosyanın içindeki tek bir karakteri okumaya ihtiyacı yoktur. Bir müşteri taranmış makbuzları her zaman makbuz-tarama-*.pdf olarak e-postayla gönderiyorsa, ada dayalı bir kural sorunu hiç OCR'a gerek kalmadan çözer — bazen dürüst düzeltme daha büyük bir araç değil, daha basit bir kuraldır.

Metin Katmanı Olsa Bile Eşleşmeyen Diğer Biçimler

Eksik bir metin katmanı, bir dosyanın sessizce eşleşmediği tek yol değil. File Arbor'da, içlerinde ne olursa olsun aşağıdakilerin hiçbiri bir içerik koşulunu tetiklemez:

• XLSX elektronik tabloları. İçerik koşulları elektronik tablo hücrelerini hiç okumaz.
• DOCX üst bilgileri, alt bilgileri ve dipnotları. Yalnızca bir Word belgesinin ana gövde metni kontrol edilir — yalnızca bir üst bilgide veya sayfa başlığında duran bir anahtar kelime eşleşmez.
• Şifreli veya parola korumalı PDF'ler. Bunlar parola olmadan metin çıkarma için açılamaz ve File Arbor'da parola girecek bir alan yoktur.

Bunların hiçbiri File Arbor'un uygulamasına özgü değil — bir kural motorunun bir parola istemi ya da bir elektronik tablo ayrıştırıcısı olmadan çıkarabildiklerini yansıtır, sonradan yamanacak bir hata değil.

Normal Bir PDF'te Bile Sessiz Bir Eşleşmemeye Yol Açan Sınırlar

60 saniyelik testi gerçek bir metin katmanıyla geçen bir PDF bile hâlâ eşleşmeyebilir, çünkü File Arbor'da içerik çıkarmanın sert sınırları vardır: dosya başına 32 MB, çıkarılan metnin ilk 256 KB'ı, bir PDF'in ilk 20 sayfası ve dosya başına 5 saniyelik bir işlem penceresi.

Sayfa sınırı, insanları en çok şaşırtan olur. "Fesih" kelimesi yalnızca 25. sayfada geçen 40 sayfalık bir sözleşme, onu arayan bir kuralla eşleşmez — File Arbor 20. sayfadan sonrasını hiç okumaz, dolayısıyla kural açısından o kelime dosyada yok demektir. Aynı mantık, uzun ve metin yoğun belgelerdeki 256 KB metin sınırı için de geçerli — dosya devam etse bile çıkarma orada durur. Bunlar keyfi değil; tek bir aşırı büyük dosyanın arkasında sırada bekleyen diğer tüm dosyaları yavaşlatmasını engellemek için var.

Hangi Çözümü Kullanmalısınız?

"Dosya hiç seçilmiyor veya aranmıyor." Bu bir tarama veya metin katmanı olmayan bir fotoğraf. File Arbor Pro'da kuralı taranmış belgeleri de okuyacak şekilde ayarlayın (1.3.0'dan itibaren); aksi hâlde önce OCR yazılımından geçirin, ya da içeriğe göre değil ada, klasöre veya tarihe göre yönlendirin.

"Metin seçiliyor ama kural hâlâ eşleşmiyor." Eşleşen ifadenin 20. sayfadan sonra olup olmadığını, dosyanın 32 MB'ı geçip geçmediğini veya eşleşmenin çıkarılan metnin ilk 256 KB'ından sonra kalıp kalmadığını kontrol edin — bunlardan herhangi biri, aksi hâlde normal bir PDF'te sessiz bir eşleşmemeye yol açar.

"PDF parola korumalı." Ne File Arbor ne de düz bir içerik kuralı, parola olmadan onu açabilir. Mac'te Hazel'a parolayı doğrudan kuralın içinde verebilirsiniz. Aksi hâlde, yapabiliyorsanız dosyayı otomatikleştirmeden önce parolayı kaldırın.

"Bu bir elektronik tablo, ya da eşleşme bir Word belgesinin üst bilgisinde veya alt bilgisinde." İçerik koşulları bir DOCX'in gövde metnini ve bir PDF'in metin katmanını okur — elektronik tablo hücrelerini değil, üst bilgi, alt bilgi veya dipnotları değil. Bunun yerine dosya adına veya klasöre göre eşleştirin.

"Yüzlerce taranmış dosyam var ve tek tek düzeltecek vaktim yok." OCR'ı kuralın yapmasına izin verin: File Arbor Pro 1.3.0'dan itibaren Windows ve Mac'te, Hazel 6 ise Mac'te bunu yapar. Başka herhangi bir araçla önce bunları özel bir yazılımla toplu OCR'dan geçirin, sonra kuralınızı OCR'lanmış çıktıya yöneltin.

FAQ

Bir PDF'in metin katmanı olmaması ne demektir?

Sayfadaki kelimelerin hiçbir zaman metin olarak kodlanmadığı, yalnızca bir görüntü olarak var olduğu anlamına gelir. Bir tarama veya telefon fotoğrafından oluşan PDF, karakterleri değil pikselleri saklar, bu yüzden OCR onu tanıyana kadar hiçbir şey onun metnini seçemez, arayamaz veya eşleştiremez — sayfa normal bir PDF ile birebir aynı görünse de altında okunabilir tek bir karakter yoktur.

Kuralım neden PDF içinde metin bulamıyor?

Genellikle PDF'in metin katmanı olmadığı için — bir tarama ya da okunacak karakteri olmayan bir telefon fotoğrafı. Bu, normal bir PDF'te de olabilir: eşleşme aracın sınırlarının dışında kalıyorsa, PDF şifreliyse veya dosya elektronik tablo ya da bir Word belgesinin üst bilgisi gibi aracın içerik için okumadığı bir biçimdeyse.

Aranabilir bir PDF ile taranmış bir PDF arasındaki fark nedir?

Aranabilir bir PDF'in altında, dosya bir kelime işlemciden dışa aktarıldığında veya OCR ile üretildiğinde oluşan gerçek bir metin katmanı vardır, bu yüzden kelimeleri yazılım tarafından seçilebilir, aranabilir ve eşleştirilebilir. Taranmış bir PDF ise genellikle bir tarayıcıdan veya telefon kamerasından gelen bir sayfa görüntüsüdür, metin katmanı yoktur, dolayısıyla OCR onları tanıyana kadar kelimelerinin hiçbiri yazılım tarafından okunamaz.

Bir kural kurmadan önce PDF'in metin katmanı olup olmadığını nasıl kontrol ederim?

PDF'i açın ve bir satır metni seçmeyi veya sayfada gördüğünüz bir kelimeyi aramayı deneyin. Mac'te Önizleme'nin seçim aracını veya Command-F'i, Windows'ta PDF okuyucunuzun arama özelliğini veya sürükleyerek metin seçmeyi kullanın. Hiçbir şey vurgulanmıyor ve arama sonuç vermiyorsa, dosyanın metin katmanı yoktur.

File Arbor taranmış PDF'leri Hazel gibi okuyabilir mi?

Evet, 1.3.0'dan itibaren, iki farkla. File Arbor Pro, bir kural taranmış belgeleri de okuyacak şekilde ayarlandığında taranmış PDF'lerde ve fotoğraflarda OCR çalıştırır, ama yalnızca ilk ve son sayfayı okur. Bir de Hazel 6'nın aksine parola korumalı bir PDF'i açamaz, bu yüzden şifreli bir PDF'in bir File Arbor içerik kuralıyla eşleşebilmesi için hâlâ önce kilidinin açılması gerekir.

Bir içerik kuralı, bir PDF'in 40. sayfasındaki metinle eşleşir mi?

Hayır. File Arbor yalnızca bir PDF'in ilk 20 sayfasını, çıkarılan metnin ilk 256 KB'ını, 32 MB'a kadar dosyaları ve dosya başına 5 saniyelik bir işlem penceresini okur. Yalnızca daha uzun bir belgenin 40. sayfasında geçen bir anahtar kelime, PDF normal bir metin katmanına sahip olsa bile eşleşmez.

Son Söz

Metin katmanı olmayan bir PDF, yanlış kurduğunuz bir kural değildir — okuyacak hiçbir şeyi olmayan bir dosyadır, ve 60 saniyelik seç-ve-ara testi hangi türle karşı karşıya olduğunuzu, kuruluma vakit harcamadan önce söyler. İhtiyacı olan dosyalarda OCR çalıştırın — 1.3.0'dan itibaren bir File Arbor Pro kuralı bunu kendisi yapabilir — ya da onları ada, klasöre veya tarihe göre yönlendirin. Geri kalan her şey için biçimi ve sınırları kontrol edin: XLSX yok, DOCX üst bilgisi veya alt bilgisi yok, şifreli PDF yok, 20 sayfayı, 256 KB'ı veya 32 MB'ı aşan hiçbir şey yok.

Bu, dosyaları içeriğine göre klasörlere ayırma rehberimizde de geçen aynı dürüst sınır — içerik kuralları dosyaları, içlerinde gerçekten okunabilir olana göre yönlendirir, hiçbir şey tahmin edilmez. Dosyalarınız testi geçiyorsa File Arbor'u indirin ve kuralı kurun; geçmiyorsa kuralı taranmış belgeleri de okuyacak şekilde ayarlayın (Pro) ya da önce dosyayı düzeltin.