בדיקת PDF סרוק: חיפוש, דיוק ושלמות
המסמך נפתח, מצאתם בו מילה, ומספר העמודים נראה נכון. מה מכל זה כבר אומת — ומה עדיין לא? לפני שמסתמכים על PDF סרוק, כדאי להפריד בין יכולת למצוא טקסט, נכונות הזיהוי, שלמות המסמך וסדר הקריאה. אין סימון יחיד שסוגר את כל השאלות.
זהו שיעור בקריאת תוצאות, לא מדריך להפעלת סורק או לביצוע OCR. אפשר להשלים אותו מהדוגמאות שבדף בלבד. שלושת תיקי הדמה, דף העבודה ומפתח התשובות חינמיים להעתקה פרטית, בלי הרשמה, קובץ להורדה או שליחת מידע.
1. מה המסמך צריך לאפשר?
התחילו ממשימה: לקרוא טופס, למצוא מונח, לאמת מספר או להבין את רצף העמודים. „הקובץ תקין” רחב מדי. רשמו את המקור להשוואה, זיהוי העותק והגרסה, שם המציג וגרסתו ומה התחולה: עמוד אחד, שדות שנבחרו או מסמך מוגדר. השתמשו בכינוי פרטי, לא בשם קובץ שחושף פרטי לקוח.
הפרידו את הרישום לארבע בדיקות: איתור טקסט, דיוק התוכן שנבדק, שלמות העמודים והתוכן, וסדר הקריאה והיבטי נגישות שנותרו לבירור. אפשר להשיג ראיה באחת ולהישאר בלי תשובה באחרת. שדה ריק הוא דבר שטרם תועד, לא אישור אוטומטי.
בחרו מראש פרטים משמעותיים לבדיקה, במקום לבחור רק מילה שקל למצוא. בדוגמת לימוד אפשר לכלול כותרת, מספר, סימן פיסוק ופרט קרוב לשולי העמוד. אלו הצעות למיקוד תשומת הלב, לא מדגם המייצג כל מסמך או שיטת בדיקה מקצועית מחייבת.
2. חיפוש מוצלח עונה לשאלה מוגבלת
לפי הסבר Adobe על זיהוי טקסט במסמך סרוק, OCR יוצר שכבת טקסט שניתן לחפש בה, ויש לסקור את התוצאה מבחינת דיוק ושלמות. עצם הופעת המסמך כ־PDF אינה מתארת את כל הבדיקות שנעשו בו.
רישום שימושי יהיה „המונח שבחרתי נמצא בעמוד שנרשם”, ולא „ה־OCR תקין”. זו התנהגות שנצפתה במציג המסוים, לא קביעה על כל מבנה הקובץ. גם בחירת טקסט אינה בדיקת כל המספרים והעמודים. אם החיפוש לא מצא דבר, רשמו את התצפית והביטוי המדויק; אין להסיק ממנה לבדה שהקובץ פגום, שאין בו שכבת טקסט או שחייבים להפעיל עליו OCR.
לצורך השיעור אין לשנות קובץ כדי להשיג תשובה אחרת. „לא אומת” עשוי להיות הסיכום המתאים. אפשר להחליט שנדרש בירור עם מי שהפיק את המסמך במקום להפעיל כלי חדש, להמיר פורמט או להעלות את הקובץ לשירות חיצוני.
3. משווים את הפרט, לא רק את מראה העמוד
Adobe מתארת מצב שבו מוצגת תמונת המקור ומאחוריה טקסט מזוהה, כאשר הזיהוי אינו ודאי. במדריך הזה אנו מפרידים בין התראה על מילה לבין בדיקת התוכן: אין להסיק מתצוגה שנראית טובה או מהיעדר התראה שכל המסמך מדויק.
הבחינו בין מה שציפיתם לראות, מה שנראה בעמוד ומה שנמסר כתוצאה של זיהוי. כשנמצאת אי־התאמה, העתיקו לתיעוד רק פרט דמה או תיאור מצומצם: „בשדה המספר שנבדק יש הבדל”. אל תשנו את המקור כדי להתאים אותו לתוצאה, ואל תעתיקו מסמך לקוח לדף עבודה ציבורי.
סימון פער אינו קביעה מי אשם או איזו הגדרת סריקה תפתור אותו. ייתכן שיידרשו מקור טוב יותר, בירור שיטה או בדיקה מקצועית, אך השיעור אינו בוחר פעולה. אין כאן הבטחת זיהוי לעברית, לשפה אחרת, לכתב יד או לכל מבנה מסמך.
4. שלמות וסדר הם שתי שאלות נוספות
בדיקת שלמות מתחילה ברשימת המקור הצפויה: אילו עמודים וחלקים צריכים להיות במסמך ובאיזה סדר? השוו תפקיד ותוכן, לא רק מונה עמודים. בתרגיל שלהלן ייתכן שהמונה תואם, אבל פרק אחד אינו מיוצג. אל תסיקו מעמוד ריק שהוא מיותר; בלי מקור או החלטה מתאימה, זו שאלה פתוחה.
רשמו גם מה לא נבחן: שוליים, נספחים, צד שני של מקור או עמודים שלא נכללו בתחום הבדיקה. אם בדקתם רק שני עמודים, כתבו זאת. אין להפוך הצלחה בכמה שדות להצהרה שכל המסמך נבדק, ואין להשלים עמוד חסר באמצעות שכפול עמוד אחר.
מדריך Adobe לבדיקת נגישות PDF מבחין בין טקסט, תגיות, סדר קריאה לוגי ובדיקות שדורשות סקירה ידנית. טקסט שניתן לבחור או למצוא אינו אישור נגישות. קריאת פסקה אחת אינה סקירה של כל המסמך; צורך בנגישות מחייב תהליך מתאים ונפרד, לא הצהרת עמידה בתקן מתוך התרגיל הזה.
בתיעוד שלנו מותר להשאיר את סדר הקריאה „טרם נבדק”. זו תשובה מדויקת יותר מהשערה שהכול ייקרא כראוי משום שהעמוד נראה מסודר. אין כאן בדיקת קורא מסך, תהליך תיקון תגיות או ייעוץ משפטי.
5. שלושה תיקי תוצאה בדיוניים
כל הפרטים והתצפיות בכרטיסים מומצאים לצורך הלמידה. לא הופק PDF ולא הופעל OCR. „נצפה” בכרטיס פירושו מה שמספר התרחיש הבדיוני, לא בדיקה שביצעה PC Online. קראו את המקור, את התוצאה המדווחת ואת מה שלא נמסר.
תיק א׳ — מילה נמצאה, מספר שונה
המקור המדומה: כותרת „גינת דמה”, וקוד 1001.
התוצאה המדווחת: הכותרת נמצאה בחיפוש. בתמונת העמוד נראה 1001, אך הטקסט המזוהה של אותו שדה נמסר כ־1007.
לא נמסר: מצב שאר השדות והעמודים.
מה הצליח בתחום שנרשם, ומה כבר סותר את הציפייה? אל תבחרו רק אחת משתי העובדות.
תיק ב׳ — שלושה אינם בהכרח שלושתם
הרשימה הצפויה: 1 — רשימת דמה; 2 — הערות דמה; 3 — סיכום דמה.
התוצאה המדווחת: בקובץ שלושה עמודים: רשימה, עותק נוסף של הרשימה, סיכום.
לא נמסר: תוצאות זיהוי טקסט או סדר קריאה.
איזה חלק תואם ואיזו דרישה לא קיבלה מענה? האם המונה לבדו היה מגלה זאת?
תיק ג׳ — אפשר לבחור, סדר הקריאה פתוח
הצורך המדומה: לקרוא הוראות בשתי עמודות ברצף שנקבע במקור.
התוצאה המדווחת: אפשר לבחור טקסט בעמוד.
לא נמסר: אימות רצף העמודות, תגיות, סקירה ידנית או שאר המסמך.
איזו ראיה קיימת, ומה צריך להישאר לא מאומת? אין להמציא תוצאת בדיקה חיובית או שלילית.
6. דף עבודה פרטי — ארבע בדיקות, לא ציון אחד
העתיקו את הטבלה ובחרו תיק דמה אחד. כתבו תחולה ותוצאה צפויה לפני המסקנה. אם התרחיש אינו מספק ראיה, רשמו „לא נמסר” במקום להשלים אותה. אין צורך לחשב אחוז הצלחה או לתת ציון לקובץ.
מפתח תשובות — לפתוח אחרי מילוי עצמאי
תיק א׳: נמצא המונח שנבחר, ובמקביל יש פער מפורש בקוד שנבדק. שתי התוצאות נשמרות, כל אחת בתחומה. אין להפוך את החיפוש המוצלח לאישור דיוק, או את הפער הבודד לטענה שכל המילים שגויות.
תיק ב׳: מספר העמודים תואם לציפייה המספרית, אך עמוד ההערות אינו מיוצג והרשימה כפולה. זו אי־התאמה מול הרשימה שניתנה; היא אינה אבחון של הסורק או הוכחה שהזיהוי הטקסטואלי נכשל.
תיק ג׳: התרחיש מספק רק דיווח שאפשר לבחור טקסט. אין בו ראיה לרצף הדרוש או לסקירה אחרת. המצב אינו „עבר” וגם לא „נכשל”; הבירור נשאר פתוח. אין צורך לשנות מסמך כדי לנסח זאת נכון.
בכל התיקים: תוצאת דגימה אינה בדיקת כל המסמך. רישום טוב משמר גם הצלחות מוגבלות, גם סתירות וגם מה שלא נמסר, במקום להסתיר את ההבדלים בתוך תווית „תקין”.
7. מסיימים בסיכום קריא, לא בתיקון מאולתר
אם רוצים לעבור מהדוגמאות לסקירה אישית, השתמשו רק בקובץ לא רגיש שכבר זמין לכם כדין וביישום שכבר מותר לשימוש. הסתפקו בצפייה ובאפשרויות קריאה קיימות, ללא שינוי המקור. אם אין מקור להשוואה או אפשרות נחוצה אינה זמינה, מציינים את המגבלה ועוצרים.
אין להתקין תוכנה, לבצע המרה או OCR, להעלות קבצים, להסיר הגנה או לעקוף סיסמה. אם נפתחים דיאלוג הרשאה או הצעת המרה ותיקון, עוצרים בלי לאשרם. אין להפוך את עותק המקור היחיד לקובץ ניסוי, להשתמש במידע של לקוחות או לעיין בחומר ללא הרשאה. אין לצרף לתצפית שמות אנשים, מסמכים סרוקים או פרטי חשבון.
סיימו במשפט שכולל תחולה: „נבדקו הפרטים שהוגדרו; נמצא פער אחד; יתר התחומים לא נבחנו”. אם נדרש טיפול, העבירו לגורם המורשה תיאור מצומצם בערוץ העסקי המתאים. אל תשמרו שינוי על המקור ואל תמחקו מסמכים על סמך התרגיל.
שאלות בחירה ותהליך עבודה לפני רכישה נמצאות בדף אפיון ההדפסה והסריקה בקטגוריית המדפסות. אם הסריקה כבר אינה פועלת, עברו למסלולי תקלות מדפסות וסורקים; השיעור אינו אבחון ציוד. עותק שנפתח ובדיקת יכולת התאוששות הם נושאים נפרדים, המוסברים במרכז הגיבוי, השחזור ורציפות העבודה.