PDF سے ٹیکسٹ سلیکٹ یا کاپی نہ ہونے کی وجوہات: اسکین بمقابلہ فانٹ مسئلہ
فہرستِ مضامین
1. پی ڈی ایف سے عبارت کاپی نہ ہونے کی جھنجھلاہٹ
آپ کے پاس ایک اہم ریسرچ پیپر، قانونی نوٹس یا رسید کی پی ڈی ایف فائل موجود ہے۔ آپ ماؤس سے متن کو منتخب کر کے کاپی کرنا چاہتے ہیں، لیکن یا تو سلیکشن بالکل نہیں بنتی، یا کاپی کرنے پر عجیب و غریب بے معنی حروف (جیسے þÿ...) کلپ بورڈ میں آ جاتے ہیں۔
2. تین بڑی بنیادی وجوہات
الف. اسکین شدہ رابسٹر تصویر (Scanned Image - No Text Layer)
اگر پی ڈی ایف فائل کسی فزیکل اسکینر یا موبائل کیمرے کے ذریعے بنائی گئی ہے تو وہ درحقیقت ڈیجیٹل ٹیکسٹ نہیں بلکہ ایک تصویر (JPEG/TIFF) ہے جو پی ڈی ایف کے خول میں بند ہے۔ چونکہ دستاویز میں کوئی ویکٹر کریکٹرز موجود نہیں ہیں، اس لیے ماؤس اسے عام تصویر کی طرح لیتا ہے۔
حل: ایسی فائل کے لیے آپٹیکل کریکٹر ریکگنیشن (OCR) ٹیکنالوجی درکار ہوتی ہے جو تصویر کے پکسلز کو پڑھ کر ان کے اوپر ایک غیر مرئی شفاف ٹیکسٹ لیئر (Invisible Text Layer) تیار کر دیتی ہے۔
ب. ناقص یا غائب فانٹ میپنگ ٹیبل (Corrupt ToUnicode CMap)
پی ڈی ایف میں جب کسٹم فانٹ ایمبیڈ کیا جاتا ہے تو سافٹ ویئر ہر گلف (Glyph) کو ایک اندرونی کوڈ دیتا ہے۔ اس کوڈ کو واپس اصلی یونیکوڈ حرف میں تبدیل کرنے کے لیے پی ڈی ایف کے اندر /ToUnicode CMap نامی ڈکشنری ٹیبل کا ہونا لازمی ہے۔ اگر پی ڈی ایف جنریٹر نے ناقص CMap ٹیبل بنایا ہو تو اسکرین پر متن بالکل درست اردو یا انگریزی نظر آئے گا، لیکن کاپی کرنے پر براؤزر کو معلوم نہیں ہوگا کہ اس گلف کا اصلی یونیکوڈ کیا ہے، جس سے خراب حروف برآمد ہوں گے۔
ج. پاس ورڈ سیکیورٹی اور پرمشن فلیگز (Copy Permissions Restriction)
پی ڈی ایف کے سیکیورٹی معیار میں ایک فلیگ ہوتا ہے جو پاس ورڈ کے بغیر فائل کھولنے کی اجازت دیتا ہے لیکن دستاویز سے ٹیکسٹ یا امیج کاپی کرنے پر پابندی لگا دیتا ہے۔
3. اسکیننگ اور OCR کے لیے 300 DPI کا معیار
اگر آپ خود دستاویزات اسکین کر رہے ہیں تو بہترین OCR نتائج کے لیے اسکینر کی ریزولوشن کم از کم 300 DPI (Dots Per Inch) پر سیٹ کریں۔ 150 DPI پر باریک حروف کے دائرے آپس میں مل جاتے ہیں جس سے او سی آر الگورتھم غلط الفاظ پڑھتا ہے۔
معیارات اور دستاویزات
- Adobe PDF Reference: فونٹس کی ایمبیڈنگ اور ToUnicode میپنگ گائیڈ لائنز۔