Zo controleer je of tekst in een gescande dagboekbijlage doorzoekbaar is
Als je een oude dagboeknotitie wilt vinden aan de hand van een woord in de gescande bijlage, zoek dan op een woord waarvan je weet dat het erin staat en controleer vervolgens of het zoekresultaat naar de bijlage verwijst en niet naar de getypte notitie of de bestandsnaam. Een scan kan alleen uit een afbeelding bestaan, een pdf met een bestaande tekstlaag zijn, of een afbeelding zijn die de app met OCR moet verwerken. Dit zijn verschillende manieren om tekst doorzoekbaar te maken, en de ondersteuning verschilt per app, bestandstype, abonnement en apparaat.
Wat betekent ‘doorzoekbaar’ voor een bijlage?
Een geslaagde zoekopdracht in een app kan verschillende dingen vinden: de getypte inhoud van de dagboeknotitie, de bestandsnaam van de bijlage, selecteerbare tekst die al in een pdf is opgenomen, of woorden die met optische tekenherkenning (OCR) uit een afbeelding zijn herkend. Aan een resultaat alleen kun je niet zien welke methode de overeenkomst heeft opgeleverd. Als je bijvoorbeeld zoekt op ‘Station’, zegt dat weinig als in de notitie zelf ‘Stationsticket’ staat of het bestand Station.pdf heet.
Een gescande pdf kan eruitzien als een gewoon document, terwijl de pagina’s alleen uit afbeeldingen bestaan. Als je in een pdf-viewer geen afgedrukt woord kunt selecteren, is dat een aanwijzing dat de pdf mogelijk geen tekstlaag heeft; het bewijst niet dat je notitie-app geen OCR kan uitvoeren. Omgekeerd kan selecteerbare pdf-tekst doorzoekbaar zijn zonder beeldherkenning. Controleer het bestand in een pdf-viewer en test de app afzonderlijk.
Voer een gecontroleerde test uit met een bekend woord
Gebruik zo mogelijk een kopie van de bijlage of een tijdelijke notitie. Kies een onderscheidend woord dat duidelijk zichtbaar is in de scan en zorg ervoor dat het niet voorkomt in de titel, getypte inhoud of bestandsnaam van de notitie. Doe daarna het volgende:
Dit is een procedure, geen verslag van tests met een bepaald account. Een zoekopdracht die niets oplevert, is op zichzelf geen doorslaggevend bewijs: OCR kan zijn uitgeschakeld, de verwerking kan nog bezig zijn, een indeling kan niet worden ondersteund of het huidige apparaat heeft mogelijk niet de juiste index.
Zoek het gekozen woord op in de gebruikelijke zoekfunctie van de app.
Controleer het resultaat en kijk na of het aangeeft dat de bijlage de reden is dat de notitie is gevonden, als de app vermeldt waar de overeenkomst is aangetroffen.
Open de bijlage. Probeer bij een pdf het gekozen woord in een pdf-lezer te selecteren en te kopiëren.
Zoek opnieuw op een ander woord dat alleen in de getypte notitie voorkomt. Vergelijk waar elk resultaat aan wordt toegeschreven.
Bekijk indien beschikbaar de herkende OCR-tekst of gebruik de gedocumenteerde OCR-functie van de app. Controleer of het gekozen woord daadwerkelijk is herkend en niet alleen op basis van het zoekresultaat wordt vermoed.
Controleer eerst de bestandsindeling en tekstlaag
Noteer of de bijlage een JPEG/PNG-bestand, een gescande pdf of een pdf met selecteerbare tekst is. Controleer vervolgens afzonderlijk in de actuele ondersteuningsdocumentatie van de app welke indelingen worden ondersteund. In de OCR-documentatie van Joplin staat dat OCR PNG- en JPEG-afbeeldingen en pdf-bestanden scant en dat afbeeldingen en pdf’s in de desktopapp worden verwerkt. De documentatie beschrijft ook een optie om OCR-tekst van een pdf-link of afbeelding te bekijken. Zo kun je zowel de geëxtraheerde tekst als de aanwezigheid van het verwachte woord daarin controleren.
De OCR-instructies van OneNote van Microsoft beschrijven hoe je tekst uit afbeeldingen en afdrukken van bestanden kunt kopiëren. Voor een afdruk van meerdere pagina’s kun je volgens de instructies tekst van één of van alle pagina’s kopiëren. Ze waarschuwen ook dat sommige resultaten 24–48 uur op zich kunnen laten wachten. Dit beschrijft tekstherkenning en -extractie uit afbeeldingen of afdrukken in OneNote; ga er niet van uit dat elk type bijgevoegd bestand op dezelfde manier wordt verwerkt.
Houd app-ondersteuning en account- en apparaatvoorwaarden uit elkaar
Een app kan OCR in het algemeen ondersteunen, terwijl je account, abonnement, instellingen of huidige apparaat bepalen of die functie werkt met een bepaalde bijlage. Op de pagina over de zoekfunctie van Evernote staat momenteel dat de abonnementen Personal, Professional en Enterprise tekst in pdf’s, Office-documenten, afbeeldingen, presentaties en gescande documenten kunnen doorzoeken. Controleer de actuele abonnementsgegevens en je eigen abonnement voordat je op die functie vertrouwt.
Joplin beschrijft nog een belangrijk onderscheid: OCR-scans worden uitgevoerd in de desktopapp, terwijl mobiele apps via synchronisatie toegang hebben tot OCR-gegevens. Een ontbrekend resultaat op een telefoon betekent dus niet dat het bestand niet kan worden geïndexeerd. Controleer eerst de verwerking op de desktop en of de gesynchroniseerde gegevens beschikbaar zijn. Controleer in het algemeen de appversie, het toepasselijke abonnement, de OCR-instelling, het bestandstype, de verwerkingsstatus en de synchronisatiestatus aan de hand van de actuele documentatie. Ga er niet van uit dat tekst automatisch wordt geëxtraheerd wanneer je een bestand uploadt, of dat elk apparaat lokaal een index opbouwt.
Lees het resultaat zorgvuldig en onderzoek waarom zoekopdrachten niets opleveren
Als het bekende woord in de OCR-tekst van de app staat, maar de zoekopdracht de notitie niet oplevert, zit het probleem waarschijnlijk verderop in het zoek- of synchronisatieproces. Raadpleeg de zoekdocumentatie van de app en probeer het opnieuw zodra de verwerking of synchronisatie is voltooid. Ontbreekt het woord in de OCR-tekst, controleer dan de scherpte en stand van de scan, de taalinstellingen en of het handschrift gedrukt of met de hand geschreven is. Joplin geeft aan dat het huidige systeem betrouwbaar werkt met gedrukte tekst en duidelijke afbeeldingen, maar geen handschrift ondersteunt. Microsoft waarschuwt ook dat de kwaliteit van de afbeelding van invloed is op de OCR-resultaten. Herkenningsfouten kunnen dus verklaren waarom een zoekopdracht niets oplevert.
Als je het woord in de pdf kunt selecteren, maar het niet via de notitie-app kunt vinden, controleer dan of de app ook pdf’s met ingesloten tekst indexeert, naast scans die alleen uit afbeeldingen bestaan. Als alleen de bestandsnaam of getypte notitie zoekresultaten oplevert, bevestigt dat dat die velden doorzoekbaar zijn, maar zegt het niets over woorden in de bijlage. Houd deze controles gescheiden wanneer je de uitkomst vastlegt.
Houd een kort overzicht van de mogelijkheden bij
Noteer voor elke app die je beoordeelt de app en het apparaat, het abonnementsniveau indien van toepassing, de bestandsindeling van de bijlage, of je het woord in de pdf kunt selecteren, de OCR-instelling en verwerkingsstatus, de synchronisatiestatus en de exacte testuitkomst. Vermeld of de gevonden tekst afkomstig was uit de notitie, de bestandsnaam, de bestaande pdf-tekstlaag of de OCR-tekst. Zo maak je van ‘zoeken lijkt te werken’ een controle die je kunt herhalen nadat je van apparaat, abonnement of instellingen bent veranderd, of een andere bestandsindeling hebt gebruikt.