Çeviri Öncesinde OCR Satır Sonları ve Kısa Çizgiler Nasıl Düzeltilir?

OCR satır sonlarını düzeltmek için önce aynı paragrafa ait olan metni belirleyin. Yalnızca istenmeyen satır sonlarını boşluklarla değiştirin. Satırlara bölünmüş bir sözcük için kısa çizgiyi kaldırma veya koruma kararını ayrı ayrı verin: trans- ardından gelen lation şu şekle dönüşür: translation, ancak well- ardından gelen known şu şekle dönüşür: well-known. Bir değişiklik günlüğü tutun ve emin olamadığınız birleştirmeleri orijinal sayfayla karşılaştırın.

Tüm bir kitaba asla "tüm satır sonlarını kaldır" veya "tüm kısa çizgileri sil" işlemlerini toptan uygulamayın. Temizlenmiş bir alıntı kulağa daha akıcı gelebilir; ancak bu sırada bir paragrafı kaybedebilir, iki liste öğesini birleştirebilir veya teknik bir tanımlayıcıyı bozabilir. Amaç en az sayıda satır sonu karakterine ulaşmak değil, güvenilir bir okuma veya çeviri kopyası elde etmektir.

Bu kılavuz metin tanıma adımından sonrasınıele alır. Bir PDF'ten kopyalama yaptığınızda harfler veya sayılar yanlış çıkıyorsa, öncelikle metin katmanını analiz edin. Satır sonlarını değiştirmek, yanlış tanınmış bir B-2O4 ifadesini amaçlanan B-204.

Her satır sonunun neyi temsil ettiğine karar verin

Orijinal taramayı ve ham metin çıktısını değiştirmeden saklayın. Çalışma kopyanızda metin düzenleyicinin boşluk veya paragraf işaretlerini gösterme özelliğini açın. Düzenleyici penceresini yeniden boyutlandırın: Depolanmış bir satır sonu olmadan alt satıra kayan bir dize yalnızca ekranda kayıyordur; silinecek hiçbir şey yoktur.

Kayıtlı satır sonları ise farklı bir kontrol gerektirir. Sayfa görseliyle kesintisiz bir paragrafı, bir başlığı, bir listeyi ve belirgin şekilde farklı olan tüm sayfa düzenlerini karşılaştırın. Belgenin tamamının yapısını yalnızca başlık sayfasına bakarak çıkarmayın.

Boş satırlar ve girintiler paragrafları bulmaya yardımcı olabilir, ancak bunlar kesin bir garanti değil yalnızca ipucudur. Bir başlıktan sonra boş satır bulunmayabilir. Girintili bir satır yeni bir paragraf değil, bir listenin devamı olabilir. Noktayla biten kısa bir satır, bir paragrafın son satırı da olabilir, paragrafın ortasındaki bir cümle de.

OCR dışa aktarımları mizanpaj veya blok bilgisi sağlıyorsa, metni kontrol ederken bu bilgileri saklayın. Tek başına düz metin olarak dışa aktarmak, bu sınırları yeniden oluşturmak için ihtiyaç duyacağınız verileri yok edebilir.

Bölünmüş kelimeleri gerçek tire işaretlerinden ayırın

Görsel olarak benzer üç durum farklı düzenlemeler gerektirir:

trans-          → translation
lation

well-           → well-known
known

trans\u00ADlation → translation in a verified reading copy

Son satırda, normalde fark edilmesi zor olan bir karakteri belirginleştirmek için \u00AD kullanılmıştır. Unicode, isteğe bağlı bir kelime içi bölünme işareti olan U+00AD SOFT HYPHENkarakterini, U+2010 HYPHENgibi görünür bir tire işaretinden ayırır. Bunlar birbirinin yerine kullanılabilecek karakterler değildir. Unicode'un satır sonu belirtimi ayrıca satır bölünmelerindeki dile özgü yazım değişikliklerini de açıklar; görünür bir tireyi silip harfleri birleştirmek her zaman yeterli değildir.

Sıradan düzyazılar için, doğrulanmış bir isteğe bağlı tire işaretini kaldırmak kullanışlı bir okuma kopyası oluşturabilir. Arşiv niteliğindeki bir transkripsiyon için ise orijinali ayrıca saklayın: Sözcük aynı görünse bile bir işareti kaldırmak kodlanmış metni değiştirir.

Aday bir yazımı kontrol etmek için kaynak dildeki bir sözlükten yararlanın, ardından ilgili pasaja geri dönün. Bir sözlük girdisi yalnızca destekleyici bir kanıttır; bir adı, bir tanımlayıcıyı veya tarihsel bir yazımı değiştirmek için doğrudan yetki vermez. Belgede tekrarlanan kullanımlar da yardımcı olur, ancak bir OCR hatası da tutarlı bir şekilde tekrarlanabilir.

Örneğin, Almanca örneğimiz şöyledir:

Die Auf-
gabe ist klar.

Bizim hazırladığımız bu örnekte kastedilen sözcük Aufgabe; Duden girdisi sözcüğün hece bölünmesini Auf|ga|beolarak listeler. Auf- ve gabe parçalarını birleştirmek bu örnekte doğrudur. Ancak bu tek örnek genel bir Almanca tire kaldırma kuralı değildir ve modern sözlük yazımı, eski bir baskının imlasının yerini sessizce almamalıdır.

URL'leri, katalog kodlarını, kimyasal adları, negatif değerleri ve diğer teknik belirteçleri ayrı inceleme durumları olarak ele alın. Bir tirenin korunup korunmayacağı, İngilizce sözcük buluşsal yöntemlerine göre değil, kaynağa ve belirtecin anlamına göre belirlenmelidir.

On iki kontrollü örneğin gösterdikleri

On iki özgün dize içeren indirilebilir bir temizleme demonstrasyonu hazırladık. Kastedilen sözcükleri ve yapıları bunları oluştururken tanımlandı; ardından seçilmiş satır sonları ve heceleme kusurları ekledik. Bunlar yapay metin örnekleridir; bir OCR motorunun çıktısı ya da bir kitabın taramaları değildir.

Kasıtlı olarak kaba bırakılan temel yöntem üç değiştirme işlemi uygular: tire artı yeni satırı kaldırmak, kalan yeni satırları boşluklarla değiştirmek ve yumuşak tireleri kaldırmak. İkinci bir yöntem ise tam metne yalnızca tek tek onaylanmış değişiklikleri uygular. Paragrafları otomatik olarak tanımaya veya sözcük yazımına otomatik karar vermeye çalışmaz.

3 Ekim 2026 tarihinde test düzeneğinin Node.js 25.2.1 ile çalıştırılması, kaba temel yaklaşım altında 12 örneğin 4'ünde referansla eşleşen metin üretti. Onaylanmış yol ise on iki referansın tümüyle eşleşti ve geri alma yoluyla on iki girdinin tamamını eski haline getirdi. Ayrıca güncelliğini yitirmiş girdileri, benzersiz olmayan eşleşmeleri ve eksik eşleşmeleri de reddetti.

Bu sonuçlar, yama uygulamasının yazarı tarafından bilinen referanslarabirebir uygunluğunu test eder. Gerçek dünya doğruluğunu tahmin etmezler: onaylanmış kararlar zaten yanıtları içerir ve derlem kasıtlı olarak başarısızlık durumlarını ortaya çıkaracak şekilde seçilmiştir. Ticari bir temizleyici, OCR motoru, çeviri modeli veya BookTranslator yüklemesi test etmedik. Yeniden deneme ya da hariç tutulan örnek olmadı.

Gerçek girdi/çıktı ve yama günlüğünü ve yeniden üretim talimatlarınıindirin. JavaScript bağımlılıklar veya ağ çağrıları olmadan yerel olarak çalışır ve sonuçları yazdırır; dosyalarınızı yeniden yazmaz. Denetimleri, onaylanmış bir düzenlemenin farklı bir metne uygulanmasını önler. Ancak bir düzenlemenin dilsel açıdan doğru olup olmadığını size söyleyemez.

Her seferinde doğrulanmış tek bir bloğu temizleyin

Okuma sırasını ve paragraf sınırlarını belirleyebildiğiniz kısa bir nesir bloğuyla başlayın. Resim yazıları, alıntılar, listeler ve dipnotlar içeren koca bir bölümle işe koyulmayın.

1. Ham bir kopyayı saklayın ve kaynak konumunu kaydedin. İncelenen her pasajla birlikte dosya adını, sayfa numarasını, paragrafı veya bloğu ve dili saklayın.
2. Önce yapısal sınırları işaretleyin. Başlıkları, liste ögelerini, şiirleri, tabloları ve kodları normal nesirden ayırın. İşaretçilerini daha sonra kaldırsanız bile, sayfa referanslarını okuma metninin dışında tutarak koruyun.
3. Bu blok içindeki sıradan sözcük arası satır sonlarını birleştirin. Onaylanan her satır sonunu bir boşlukla değiştirin. Sözcüklerin birbirine yapışmadığından ve mevcut bir boşluğun dikkat dağıtıcı bir mükerrer boşluğa dönüşmediğinden emin olun.
4. Bölünmüş sözcükleri ayrıca gözden geçirin. Sözcük biriminin tamamını ve çevresindeki cümleyi gösterin. "Düzen tire işaretini kaldır", "gerçek tire işaretini koru" veya "çözümlenmedi" şeklinde kaydedin. Çözümlenmemiş bir adayı onaylanmış bir değişiklik gibi değerlendirmeyin.
5. Kabul etmeden önce farkı (diff) inceleyin. Kaldırılan her satır sonunu veya kısa çizgiyi kaynağıyla karşılaştırın. Temizlenmiş sürümü, alınan kararlarla birlikte yeni bir dosya adı altında kaydedin.
6. Kaydedilen sonucu yeniden açıp oradan kopyalayın. Yalnızca düzenleyicinin önizlemesini değil, gerçekten kullanacağınız dosyayı kontrol edin.

Küçük bir alıntı için değişiklikleri izleyerek yapılan manuel düzenlemeler veya öncesi/sonrası karşılaştırması yeterli olabilir. Daha uzun bir metin için bir yama listesi; orijinal alt dizeyi, yapılan değişikliği, konumu, gerekçeyi ve inceleyen kişiyi tam olarak kaydetmelidir. Kaynak sağlama toplamı (checksum), girdi değiştikten sonra eski onayların uygulanmasını önlemeye yardımcı olur.

Düzenleyiciniz paragrafları koruyan bir temizleme modu sunuyorsa, bu modu yalnızca akıcı düz metinlerde değil, zorlu bloklarda da test edin. Çift satır sonlarını korumak, OCR'ın tek bir satır sonuyla temsil ettiği bir paragraf sınırını kurtarmaya yetmez. Tabloları ve kod bloklarını incelemeden önce girintileri silmeyin veya tüm boşlukları tek bir boşluğa indirgemeyin.

Sayfa görseline ne zaman geri döneceğinizi bilin

Fransızca noktalama işaretleri, cümle sonu tespitinin neden paragraf tespiti anlamına gelmediğini açıkça gösterir. Hazırladığımız örnekte Il attend… ve Le lendemain, il part. ayrı paragraflara aittir. Üç nokta tek başına bu sınırı belirlemeye yetmez. Office québécois de la langue française'in points de suspension kılavuzu , sözün kesilmesi veya tamamlanmamış bir fikir gibi kullanım alanlarını açıklar; sonraki satırın birleştirilip birleştirilmeyeceğine karar vermek için sayfa yapısını kullanın.

Şu durumlar için kaynak görsel incelemesini zorunlu tutun:

Birden fazla sayfada aynı sorun görülüyorsa belge genelinde bu kalıbı arayın ve eşleşmeleri inceleyin. Kaynak harfler, okuma sırası veya tüm pasajlar hatalıysa normalleştirmeyi durdurun ve tanıma ya da ayıklama adımlarını yeniden gözden geçirin. Birden çok dili kapsayan tanıma işlemleri için ayrı olarak sunulan karma dilli PDF OCR iş akışını.

Çevirmeden önce temizlenen kaynak metni doğrulayın

Düzenlenen bir bloğu orijinal sayfayla karşılaştırın, ardından farklı bir bloğu ve ayıklanan metinde bulunan her bir farklı yapı türünü kontrol edin. Bilinen hataları inceleme kümesinde tutun. Örnekleme yapmak kontrol edilen pasajlar hakkında fikir verir; kitabın geri kalanını doğrulanmış kılmaz.

• İsimlerin, sayıların, tarihlerin ve kodların kaynakla hâlâ eşleştiğini onaylayın.
• Kaldırılan her tireyi ve satır bölünmesinden sonra yeniden birleştirilen tüm yazımları kontrol edin.
• Paragraf, başlık, liste ögesi ve dize sınırlarını karşılaştırın.
• İlk ve son satırların her sayfa geçişinde korunduğunu onaylayın.
• Çözülememiş adayları arayın ve bunları inceleme günlüğünde görünür tutun.
• Kaydedilen son sürümün, sonraki iş akışınıza iletilen sürüm olduğundan emin olun.

Tek ihtiyacınız aranabilir metin veya notlarsa bu doğrulanmış alıntı nihai sonuç olabilir. Metni düzeltmek için çeviri yapmanıza gerek yoktur.

Belgeye başka bir dilde ihtiyacınız varsa doğrulanmış içeriği desteklenen bir belge biçiminde hazırlayın ve tam belge çevirisi iş akışınıkullanın. BookTranslator'ın OCR Modu, orijinal sayfa düzenini birebir kopyalamak yerine tanınan içerikten yola çıkarak çevrilmiş bir PDF'yi yeniden oluşturur; bu özellik harici bir metin temizleme düzenleyicisi ya da kaynaktaki her satır sonunun doğru yorumlandığının bir kanıtı değildir. Taranmış PDF kılavuzu tanımanın ne zaman gerekli olduğunu açıklamaktadır.

Orijinal sayfaları ve temizleme günlüğünü son PDF çevirisi kalite kontrol aşamasıiçin saklayın. Akıcı bir hedef cümle, kaynak metinde aslında gerçek bir kısa çizgi bulunması gerektiğini veya görünüşte birbirini takip eden iki cümlenin aslında ayrı paragraflar olduğunu size gösteremez.