PDF และเอกสาร
ทำไมเลือกหรือคัดลอกข้อความในไฟล์ PDF ไม่ได้? วิธีตรวจสอบสแกนบิตแมปและฟอนต์ที่ไม่มี CMap
เพิ่มประสิทธิภาพและจัดการไฟล์ PDF ของคุณ: บีบอัดขนาดไฟล์ จัดเรียงหน้า และเตรียมเอกสารสำหรับการส่งต่อได้อย่างรวดเร็วในเบราว์เซอร์
เปิดเครื่องมือบีบอัด PDF
สารบัญเนื้อหา
1. เอกสาร PDF สองประเภท: เวกเตอร์แท้ vs ภาพสแกนบิตแมป
ปัญหาที่ผู้ใช้งานพบบ่อยที่สุดคือการไม่สามารถลากเมาส์ไฮไลต์หรือคัดลอกข้อความในเอกสาร PDF ได้ สาเหตุหลักเกิดจากโครงสร้างภายในของไฟล์:
- PDF สแกน (Scanned Bitmap PDF): เอกสารนี้ไม่ได้มีตัวอักษรอยู่ข้างในจริงๆ แต่ประกอบด้วยภาพถ่ายหรือภาพสแกนชิ้นใหญ่ที่วางอยู่บนหน้ากระดาษ คอมพิวเตอร์มองเห็นเป็นเพียงพิกเซลสี จึงไม่มีเลเยอร์ข้อความ (Text Layer) ให้เลือกคัดลอกได้
- PDF เวกเตอร์ที่มีข้อความ (Searchable Text PDF): เอกสารที่ส่งออกจากโปรแกรมเช่น Microsoft Word หรือ Google Docs จะมีสตรีมคำสั่ง
BT ... ET(Begin Text / End Text) พร้อมพิกัดและข้อมูลตัวอักษรจริง
2. กับดักฟอนต์ที่แปลงเป็นเส้นโค้ง (Outlines) และการขาดตาราง ToUnicode CMap
แม้ว่าข้อความในเอกสารจะดูคมชัดแบบเวกเตอร์ แต่บางครั้งการคัดลอกข้อความออกมาวางกลับได้ตัวอักษรต่างดาว หรือเลือกข้อความไม่ได้เลย สาเหตุเกิดจาก:
- ข้อความถูกแปลงเป็นเวกเตอร์พาธ (Convert to Outlines): นักออกแบบกราฟิกมักแปลงตัวอักษรเป็นเส้นเวกเตอร์พาธ (Vector Path) เพื่อป้องกันปัญหาฟอนต์เพี้ยนในงานพิมพ์ ข้อความจึงกลายเป็นรูปทรงเรขาคณิตที่ไม่มีรหัสตัวอักษรหลงเหลืออยู่
- ขาดตาราง ToUnicode CMap: ในการฝังฟอนต์เฉพาะ (Custom Subsetting) หาก PDF ไม่ได้แนบตารางแปลงรหัส Glyph ID ไปเป็น Unicode ตัวอักษรที่คัดลอกออกมาจะเป็นรหัสไบนารีที่อ่านไม่ออก
3. การแก้ไขด้วยเทคโนโลยี OCR (Optical Character Recognition)
สำหรับเอกสารที่เป็นภาพสแกน ทางออกเดียวคือการใช้เทคโนโลยี OCR เพื่อตรวจจับลายเส้นพิกเซลและแปลงกลับมาเป็นข้อความตัวพิมพ์ โดยมาตรฐานการสแกนเอกสารควรมีความละเอียดอย่างน้อย 300 DPI เพื่อให้อัลกอริทึมแยกแยะสระบนและล่างในภาษาไทยได้อย่างแม่นยำ
คำถามที่พบบ่อย (FAQ)
การตั้งค่าความปลอดภัยของ PDF ป้องกันการคัดลอกข้อความได้หรือไม่?
ได้ ไฟล์ PDF สามารถตั้งค่าสถานะสิทธิ์ (Permission Flags) เพื่อบล็อกการคัดลอกเนื้อหาได้ แต่ในปัจจุบันโปรแกรมดูเอกสารหลายตัวมักให้ความสำคัญกับการเข้าถึงข้อมูลของผู้ใช้งานเป็นหลัก