Mitä on haettavan PDF-tiedoston luominen?
Haettavan PDF-tiedoston luominen on prosessi, jossa skannattu tai kuvapohjainen PDF muutetaan tiedostoksi, jonka tekstiä voi hakea, valita ja kopioida. Tähän käytetään optista tekstintunnistusta (OCR), joka analysoi kuvan kirjaimia ja numeroita ja muuntaa ne koneellisesti luettavaksi tekstiksi.
Ilman tätä käsittelyä skannerin, faksin tai kameran tuottama PDF on käytännössä kuva. Ihminen näkee tekstin, mutta tietokone ei voi sellaisenaan tulkita tai hakea sitä.
Miksi haettavat PDF-tiedostot ovat tärkeitä
Monissa organisaatioissa suuri määrä tärkeää tietoa on asiakirjoissa, joiden sisältöä ei voi hakea. Esimerkiksi:
- PDF-muotoon skannatut paperiarkistot.
- Kuvapohjaisina PDF-tiedostoina lähetetyt allekirjoitetut sopimukset.
- Faksilla tai skannauksena saadut laskut, kuitit ja lomakkeet.
Ilman haettavaa tekstiä tietyn sopimuslausekkeen tai asiakkaan nimen etsiminen tuhansista laskuista vie aikaa. Haettavasta PDF:stä käyttäjä voi löytää avainsanat, lausekkeet ja luvut nopeasti.
Miten haettavan PDF:n luominen toimii
- PDF:n skannaus tai tuonti
Skannattu tiedosto tai kuvapohjainen PDF lähetetään järjestelmään. - OCR eli optinen tekstintunnistus
Tekstintunnistus analysoi tiedoston ja tunnistaa merkit, sanat ja asettelua. - Tekstikerroksen luominen
Tunnistettu teksti lisätään näkymättömäksi kerrokseksi PDF-kuvan yhteyteen. Asiakirjan ulkoasu säilyy, mutta siihen sisältyy piilotettu tekstikerros. - Indeksointi
Tunnistettu teksti voidaan indeksoida hakutyökaluilla, jolloin asiakirjaa voi hakea asiakirjahallintajärjestelmässä tai työpöytähaussa.
Haettavan PDF:n keskeiset hyödyt
- Nopea hakeminen – Löydä sanat, lausekkeet ja luvut sekunneissa.
- Parempi saavutettavuus – Ruudunlukijat ja saavutettavuustyökalut voivat käsitellä tekstiä. Täysi saavutettavuus voi edellyttää myös muuta rakennetta ja tarkistusta.
- Parempi järjestys – Muunnetut asiakirjat voidaan indeksoida, merkitä ja luokitella soveltuvilla työkaluilla.
- Vaatimustenmukaisuus – GDPR:n tai HIPAA:n kaltaiset vaatimukset voivat edellyttää säilytettyjen tietojen löytämistä ja toimittamista määräajassa.
- Tehokkuus – Säästää aikaa verrattuna asiakirjojen käsin selaamiseen.
Haettavien PDF-tiedostojen käyttötapaukset
- Oikeudelliset palvelut – Hae asiakirja-aineistoista ja sopimuksista tiettyjä lausekkeita tai nimiä.
- Terveydenhuolto – Löydä potilastiedot skannatuista asiakirjoista.
- Taloushallinto – Etsi nopeasti laskunumero, maksusumma tai asiakkaan nimi.
- Julkishallinto ja koulutus – Tee arkistoista ja tietueista digitaalisesti löydettäviä henkilöstölle ja soveltuvin osin yleisölle.
- Pienyritykset – Helpota skannattujen kuittien, lomakkeiden ja henkilöstöasiakirjojen päivittäistä hakua.
Haettava ja pelkkään kuvaan perustuva PDF
| Kuvapohjainen PDF | Haettava PDF |
|---|---|
| Sisältää kuvan | Sisältää kuvan ja piilotetun tekstikerroksen |
| Ei tekstihakua sellaisenaan | Tekstiä voi hakea |
| Tekstiä ei voi kopioida sellaisenaan | Tekstiä voi valita ja kopioida |
| Kuvatekstiä ei voi indeksoida ilman tunnistusta | Teksti on hakutyökalujen tai DMS:n indeksoitavissa |
Tekstintunnistuksen rajoitukset
Teknologia on kehittynyt, mutta haasteita on edelleen:
- Heikko skannauslaatu voi aiheuttaa tunnistusvirheitä.
- Käsinkirjoitettu teksti ei aina tunnistu tarkasti.
- Monimutkainen asettelu kuten palstat, taulukot ja grafiikka voi vaikeuttaa perustason OCR-työkalujen työtä.
Laadukkaat tekstintunnistusratkaisut voivat vähentää näitä ongelmia. On silti erotettava sisällön indeksointi uuden PDF-tiedoston luomisesta: DMS voi tehdä skannatun sisällön haettavaksi järjestelmässä muuttamatta alkuperäistä PDF:ää. Varmista halutun PDF-tulosmuodon tuki erikseen.
Yhteenveto
Haettavan PDF-tiedoston luominen yhdistää staattisen kuvapohjaisen asiakirjan käytettävään digitaaliseen tekstiin. Tekstintunnistus tekee PDF:n sisällöstä haettavaa ja hyödynnettävää sekä tukee tiedon löytämistä.
Loputtomien skannattujen sivujen selaamisen sijaan asiakirja voi toimia haettavana, indeksoitavana ja helposti löydettävänä tietolähteenä. Tarkista tunnistuksen laatu tärkeissä aineistoissa.