TIFF को TXT में बदलें

लगभग कुछ भी संयोग से TIFF नहीं बनता। यह किसी स्कैनर, डॉक्यूमेंट-मैनेजमेंट सिस्टम, रिकॉर्ड्स विभाग, आर्काइव या फ़ैक्स गेटवे से आता है — और आमतौर पर काग़ज़ी काम होता है: अनुबंध, पत्राचार, दावे, केस फ़ाइलें, मेडिकल रिकॉर्ड, मिनट।

इससे काम बदल जाता है। कोई तस्वीर से पैराग्राफ़ कॉपी नहीं कर रहा; कोई दस्तावेज़ों का पूरा ढेर खोजने लायक़ बना रहा है, या किसी आर्काइव से उद्धरण लायक़ पाठ निकाल रहा है, या ढेर सारे फ़ॉर्म से आँकड़े निकाल रहा है। मात्रा ज़्यादा है और सटीकता भी।

जो कुछ फ़ोन की तस्वीर को मुश्किल बनाता है वह यहाँ ग़ायब है। पन्ना काँच के सामने सपाट है, इसलिए परिप्रेक्ष्य नहीं। रोशनी बराबर है, इसलिए पाठ पर कोई छाया नहीं। रिज़ॉल्यूशन जानी और स्थिर है। और स्कैनर बनावट से ही सही दूरी पर फ़ोकस होता है।

व्यावहारिक नतीजा यह है कि 300 dpi पर स्कैन किया साफ़ छपा टाइप लगभग सटीक वापस आता है। यह इस साइट के फ़ोटो वाले पन्नों से कहीं ऊँची उम्मीद है, और यही वजह है कि थोक पहचान का काम स्कैन से किया जाता है, तस्वीर से नहीं।

पहले रिज़ॉल्यूशन। 200 dpi से नीचे प्रति अक्षर पर्याप्त पिक्सल नहीं होते और सटीकता तेज़ी से घटती है; 300 dpi काम का मानक है और छोटे टाइप या ख़राब मूल के लिए 600 लायक़ है।

फिर मूल दस्तावेज़ ख़ुद। फ़ैक्स सबसे बुरी आम हालत हैं — डिज़ाइन से कम रिज़ॉल्यूशन, अक्सर कई पीढ़ी की नक़ल गहरी। कार्बन कॉपी, फीका पड़ा थर्मल काग़ज़, मुहर या हाथ की लिखावट वाले दस्तावेज़, और टूटे अक्षरों वाला टाइपराइटर फ़ेस, सब ग़लतियाँ बनाते हैं।

स्कैनर अक्सर एक ही TIFF में पूरे दस्तावेज़ के सभी पेज रख देता है। फ़ाइल में सिर्फ़ पहली तस्वीर पढ़ी जाती है, और आगे बढ़ने के लिए कोई पेज नियंत्रण नहीं, इसलिए दस पेज का स्कैन पहले पेज का पाठ लौटाता है और बाक़ी नौ का कुछ नहीं।

एक पेज प्रति फ़ाइल स्कैन किए दस्तावेज़ों पर इससे कुछ नहीं जाता। किसी बंडल पर यही वह बिंदु है जहाँ ईमानदार जवाब है कि पेज यहाँ पहुँचने से पहले स्कैनर या रिकॉर्ड्स सिस्टम में अलग किए जाने चाहिए।

पहचान आकृतियों को अक्षरों से मिलाती है। यह दस्तावेज़ को समझती नहीं और यह बता नहीं सकती कि कहाँ अनिश्चित थी, इसलिए जो वापस आता है वह पूरा-सा दिखने वाला सहज पाठ है जिसमें कोई अनदेखी ग़लती हो सकती है।

रिकॉर्ड के काम में यह सामान्य से ज़्यादा मायने रखता है। पॉलिसी नंबर, तारीख़, राशि या केस संदर्भ में ग़लत पढ़ा अंक ठीक वही ग़लती है जो जल्दी पढ़ने में बच जाती है और बाद में असली दिक़्क़त बनती है।

आर्काइव के लिए, सादा पाठ वह चीज़ फेंक देता है जो स्कैन को रखने लायक़ बनाती है: पेज की तस्वीर, जो कि रिकॉर्ड है। खोजी-योग्य PDF वह तस्वीर रखता है और पीछे पाठ की परत लगा देता है, इसलिए दस्तावेज़ अब भी अपने जैसा दिखता है, अपने जैसा छपता है, और उसमें खोज व कॉपी दोनों हो सकती हैं।

सादा पाठ सही तब है जब शब्द ही चाहिए — उद्धृत करने, इंडेक्स करने, कुछ खिलाने, गिनने के लिए। सौ फ़ाइलें बदलने से पहले यह तय कर लेना अच्छा है कि दोनों में से कौन-सी चाहिए, क्योंकि दोनों वर्कफ़्लो तुरंत अलग हो जाते हैं।

पहचान ब्राउज़र टैब के भीतर, आपके प्रोसेसर पर होती है। कुछ अपलोड नहीं होता, इसलिए न कोई सर्वर कॉपी, न रखने की अवधि पूछने की ज़रूरत, न खाता, न रोज़ की सीमा।

इन फ़ाइलों में आमतौर पर जो होता है उसे देखते हुए — दस्तख़त किए अनुबंध, मरीज़ के रिकॉर्ड, अदालती दस्तावेज़, बीमा दावे — यह किसी होस्ट की सेवा से महज़ अलग सुविधा नहीं, असली फ़र्क़ है। इससे यह अजीब सवाल भी हट जाता है कि ग्राहक के दस्तावेज़ किसी तीसरे पक्ष को भेजने के लिए किसी की मंज़ूरी चाहिए थी या नहीं।