Ein Vergleichsprofil bündelt den Vergleichsmodus, die verglichenen Inhaltstypen, Toleranzen und optionale Verarbeitungsschritte von i-net PDFC. Sie können es direkt in der Profil-Sidebar eines Vergleichs auswählen und anpassen. Welche Werte sichtbar sind, hängt vom ausgewählten Profil sowie von den installierten und verfügbaren Plugins ab.

Optionale Gruppen und Felder erscheinen nur, wenn das zugehörige Plugin und gegebenenfalls benötigte Ressourcen verfügbar sind.

Die Profil-Sidebar enthält in ihrer Kopfzeile die aktuelle Profilauswahl, Profil erzeugen und das Menü Aktionen. Das Aktionsangebot hängt unter anderem von Profilherkunft, Schreibschutz, Serverrestriktionen, verfügbarer Drive-Anbindung und Berechtigungen ab; deshalb ist nicht jede Aktion immer sichtbar oder aktiv.

Im Menü Aktionen stehen je nach diesen Voraussetzungen folgende Aktionen zur Verfügung:

• Umbenennen... und Beschreibung ändern... ändern die angezeigten Profildaten. Für fest identifizierte Standardprofile sind diese Aktionen nicht verfügbar.
• Duplizieren erstellt eine eigene Variante und ist der vorgesehene Weg, um nicht editierbare Profile anzupassen.
• Löschen ist für eigene Profile verfügbar. Bei freigegebenen Profilen ist die Aktion nur mit passender Administration und bestehender Bearbeitbarkeit verfügbar.
• Freigeben steht nur Konfigurationsadministratoren zur Verfügung, wenn die Serverrichtlinie das Veröffentlichen erlaubt. Dabei können Sie Benutzer oder Gruppen auswählen.
• Standardwerte laden setzt eine angepasste Ableitung eines bereitgestellten Profils auf dessen Standardwerte zurück.
• Gelöschte Profile wiederherstellen erscheint nur, wenn eine wiederherstellbare zentrale Vorlage vorhanden ist.
• Importieren bietet Datei hochladen sowie gegebenenfalls Aus Drive.
• Exportieren bietet Herunterladen sowie gegebenenfalls In Drive speichern.
• Vorschläge einblenden erscheint nur, wenn zuvor ausgeblendete Vorschläge vorhanden sind.

Die serverseitige Freigabe und Berechtigungssteuerung für Vergleichsprofile wird in der Konfiguration der Vergleichsprofile beschrieben.

Die Profilauswahl gruppiert die Einträge nach ihrer Herkunft:

• Bereitgestellte Profile: Mit der Installation ausgelieferte Profile werden in einer definierten Reihenfolge angeboten.
• Freigegebene Profile: Für bestimmte Benutzer oder Gruppen veröffentlichte Profile stehen entsprechend den Berechtigungen zur Verfügung.
• Eigene Profile: Dazu gehören persönliche Profile sowie gegebenenfalls Benutzerdefinierte Einstellungen einer Vergleichsinstanz.

Name und Beschreibung werden in der Auswahl angezeigt. Die Kennzeichnung Angepasst weist auf eine persönliche, von einem bereitgestellten Profil abgeleitete Variante hin. Zentral bereitgestellt kennzeichnet einen zentral verwalteten Eintrag.

Ein Warnsymbol weist auf ungültige oder nicht mehr zuordenbare Profilwerte hin. Wenn die Oberfläche eine Bereinigung anbietet, entfernt oder ersetzt sie diese nicht mehr gültigen Werte, damit das Profil wieder verwendet werden kann. Duplizieren Sie nicht editierbare, freigegebene oder bereitgestellte Profile, bevor Sie Änderungen vornehmen.

Das Suchfeld Einstellungen filtern filtert die sichtbaren Gruppen und Optionen. Wenn keine sichtbare Einstellung zum Suchtext passt, zeigt die Sidebar einen leeren Trefferzustand an.

Änderungen an einzelnen Sidebar-Feldern werden nach kurzer Verzögerung direkt im Profil beziehungsweise in den benutzerdefinierten Einstellungen des Vergleichs gespeichert. Ist das automatische Neuvergleichen aktiviert, plant i-net PDFC danach selbst einen neuen Vergleich.

Ist das automatische Neuvergleichen deaktiviert, markiert die Sidebar die Vergleichseinstellungen als geändert und zeigt im Fußbereich Anwenden. Diese Schaltfläche ist erst bei einem bereits gestarteten und editierbaren Vergleich verfügbar. Validierungsfehler werden am betroffenen Feld angezeigt und verhindern das Speichern beziehungsweise das Neuvergleichen dieses Werts.

In der Desktop-Oberfläche kann die Sidebar angeheftet oder bei Bedarf eingeblendet werden. Bei kleinen Layouts wird sie als überlagernder Dialog dargestellt.

i-net PDFC kann bereits bei der Dokumentanalyse passende Profilwerte empfehlen. Die Vorschläge erscheinen gruppenbezogen und nur, wenn der vorgeschlagene Wert vom aktuellen Profilwert abweicht. Nicht jede Option erzeugt Empfehlungen; Umfang und Zeitpunkt hängen von installierten, empfehlungsfähigen Filtern und der Dokumentanalyse ab.

Mit dem Haken am Vorschlag übernehmen Sie den vorgeschlagenen Wert. Die Übernahme wird wie eine normale Profiländerung gespeichert und löst bei aktiviertem automatischem Neuvergleichen einen neuen Vergleich aus oder wird andernfalls für Anwenden vorgemerkt.

Ausblenden verbirgt einen Vorschlag vorübergehend. Nie anzeigen speichert die Ausblendung lokal für diese Einstellung. Über Aktionen → Vorschläge einblenden können Sie ausgeblendete Vorschläge einzeln oder vollständig wieder anzeigen.

Profile werden als XML exportiert und können anschließend wieder in i-net PDFC importiert werden. Der Import ersetzt die betroffenen Profileinstellungen. Duplizieren Sie ein bereitgestelltes oder freigegebenes Profil, wenn Sie den Import zunächst in einer eigenen Variante prüfen möchten.

Die Gruppe Seiten und Bereiche legt fest, wie Inhalte und räumliche Anordnung für den Vergleich bestimmt werden.

Die folgenden Werte sind verfügbar:

• Fortlaufende Dokumente vergleicht Inhalte dokumentübergreifend und ignoriert Seitengrenzen. Positionsbasierte Toleranzen sind in diesem Modus nicht anwendbar.
• Seite für Seite wertet Seiten und Positionen gegeneinander aus. Dadurch werden positionsabhängige Einstellungen verfügbar.

Große Textersetzungen zusammenfassen fasst zusammenhängende große Textänderungen zu größeren Unterschiedseinheiten zusammen, statt viele einzelne Unterschiede anzuzeigen.

Die optionale Erweiterung für ausgewählte Seiten, den Bereichsfilter sowie Kopf- und Fußzeilen ergänzt diese Gruppe nur bei verfügbarer Installation.

Der Bereichsfilter von i-net PDFC definiert rechteckige Seitenbereiche, die aus der Vergleichsgrundlage entfernt oder als einzige Vergleichsbereiche verwendet werden. Die Oberfläche bearbeitet diese Bereiche visuell im Dokument, sobald die erforderlichen Seitenansichten verfügbar sind.

Mit Vergleichsumfang wählen Sie, wie die definierten Bereiche verwendet werden:

• Inhalte in Bereichen ignorieren entfernt die Inhalte innerhalb der Bereiche aus der Vergleichsgrundlage. Der übrige Seiteninhalt wird verglichen.
• Nur Inhalte in Bereichen vergleichen ignoriert alles außerhalb der Bereiche. Nur die Inhalte innerhalb der Bereiche werden verglichen.

Bereiche editieren wird erst verfügbar, wenn Seitenansichten für den Vergleich vorhanden sind. Wählen Sie Bereich hinzufügen und ziehen Sie anschließend den gewünschten rechteckigen Bereich auf einer Dokumentseite auf. Sie können vorhandene Bereiche verschieben und ihre Größe ändern.

Weisen Sie jeden Bereich über Dokument den passenden Dokumenten zu: Beide Dokumente, Erstes Dokument oder Zweites Dokument. Über Seiten legen Sie die Gültigkeit fest: Alle Seiten, Ungerade Seiten, Gerade Seiten, Einzelne Seite, Erste Seiten oder Letzte Seiten. Für eine einzelne, erste oder letzte Seitengruppe können Sie die jeweilige Seite oder Anzahl festlegen.

Die Aktionen Anzeigen, Hervorheben und Löschen unterstützen Sie bei der Kontrolle und Verwaltung der definierten Bereiche. Beenden Sie den visuellen Bearbeitungsmodus mit Bearbeitung beenden.

Wichtig: Falsch definierte oder zu große Bereiche können echte Unterschiede vollständig aus der Vergleichsgrundlage entfernen.

Für jedes Dokument stehen die folgenden Optionen zur Verfügung:

• Seitenbereich: Geben Sie einsbasierte Seitennummern oder inklusive Bereiche durch Kommas getrennt ein, zum Beispiel 1-5,8,11-13. Ein Bereich umfasst auch seine Anfangs- und Endseite.
• Letzte Seiten: Geben Sie an, wie viele Seiten am Ende des ausgewählten Seitenbereichs zusätzlich ausgeschlossen werden.

• Seitenbereich: Geben Sie einsbasierte Seitennummern oder inklusive Bereiche durch Kommas getrennt ein, zum Beispiel 1-5,8,11-13. Ein Bereich umfasst auch seine Anfangs- und Endseite.
• Letzte Seiten: Geben Sie an, wie viele Seiten am Ende des ausgewählten Seitenbereichs zusätzlich ausgeschlossen werden.

Die Auswahl des Seitenbereichs erfolgt zuerst. Anschließend werden die mit Letzte Seiten angegebene Anzahl von Seiten aus dem Ende dieses Ergebnisses ausgeschlossen. Ein leeres Feld oder der Wert 0 schließt keine Seiten am Ende aus.

Die Eingaben werden validiert. Verwenden Sie für Letzte Seiten eine ganze Zahl von 0 bis 99999; negative Werte und Werte außerhalb dieses Bereichs sind ungültig. Ein gültiger Seitenbereich besteht aus einsbasierten Seitennummern und inklusiven Bereichen, die durch Kommas getrennt sind. Ein Validierungsfehler wird am betroffenen Feld angezeigt und verhindert das Speichern des Werts.

Der Filter Kopf- und Fußzeilen erkennt wiederkehrende Bereiche am oberen und unteren Seitenrand oder legt deren Größe manuell fest. Dadurch können Kopf- und Fußbereiche, die keine relevanten Unterschiede enthalten, aus dem Vergleich ausgeschlossen werden.

Die Auswahl bietet folgende Werte:

• Deaktiviert deaktiviert die Erkennung und die Verarbeitung von Kopf- und Fußzeilen durch diesen Filter.
• Automatisch erkennen analysiert die Dokumente und versucht, gleichbleibende Kopf- und Fußbereiche automatisch zu erkennen.
• Manuell einstellen blendet die getrennten Regler Kopfzeilengröße und Fußzeilengröße ein. Beide Werte können Sie von 0 bis 200 Pixel einstellen.

Die automatische Erkennung kann unabhängig vom Vergleichsmodus verwendet werden. Wenn die Vorschau Kanten oder Griffe für die Bereichsgrenzen anzeigt, ziehen Sie den jeweiligen Griff, um die Größe des Kopf- oder Fußbereichs einzustellen.

Wichtig: Legen Sie die Bereiche nicht größer als nötig fest. Zu große Kopf- oder Fußbereiche können relevanten Dokumentinhalt am Seitenrand vom Vergleich ausschließen.

Der Gruppen-Schalter Text vergleichen aktiviert oder deaktiviert den Textvergleich. Die untergeordneten Einstellungen sind bei deaktiviertem Textvergleich nicht wirksam.

Textausrichtungstoleranz (%) legt fest, wie stark eine relative Abweichung der Textausrichtung bei der Zuordnung berücksichtigt werden darf. Der Bereich reicht von 0 bis 30 Prozent in Schritten von 0,5 Prozent. Diese Einstellung ist von der separaten Positionsprüfung zu unterscheiden.

Textpositionen prüfen erscheint nur im Modus Seite für Seite. Bei Aktivierung wird Positionstoleranz (px) eingeblendet. Sie können innerhalb des zulässigen Bereichs einen Wert von 0 bis 100 Pixeln verwenden; für diese Stufe ist kein fester Schritt vorgegeben.

Unter Weitere Textoptionen anzeigen sind folgende Prüfungen verfügbar:

• Groß-/Kleinschreibung beachten berücksichtigt Unterschiede zwischen Groß- und Kleinbuchstaben.
• Schriftgröße prüfen berücksichtigt Unterschiede der Schriftgröße.
• Textfarbe prüfen berücksichtigt Unterschiede der Textfarbe.
• Schriftart prüfen berücksichtigt Unterschiede der Schriftart.
• Textstil prüfen berücksichtigt Unterschiede des Textstils.
• Leerzeichenvergleich legt fest, wie Leerzeichen berücksichtigt werden:
  • Leerzeichen-Details ignorieren ignoriert Details einzelner Leerzeichen.
  • Layout-Leerraum prüfen berücksichtigt Leerraum, der sich aus dem Layout ergibt.
  • Jedes Leerzeichen prüfen berücksichtigt jedes einzelne Leerzeichen.

Die optionalen Erweiterungen Rotierten Text ignorieren und Inhalte herausfiltern werden ebenfalls unter den erweiterten Textoptionen eingeordnet.

Rotierten Text ignorieren liegt unter den erweiterten Textoptionen. Wenn Sie die Option aktivieren, wird gedrehter Text aus dem Vergleichsergebnis ausgeschlossen. Das eignet sich beispielsweise für Wasserzeichen, Druckermarkierungen oder andere gedrehte Inhalte, die keine Unterschiede erzeugen sollen.

Die Option ist nur wirksam, wenn der Textvergleich aktiviert ist. Bei deaktiviertem Text vergleichen bleibt sie ohne Wirkung.

Inhalte herausfiltern liegt unter Weitere Textoptionen anzeigen. Die Option kann nur verwendet werden, wenn Text vergleichen aktiviert ist. Nach der Aktivierung werden die Detailfelder für die Filtermuster eingeblendet.

Filtermuster enthält eine Liste von Einträgen. Die Liste ist nach Status gruppiert und enthält Aktive Filter sowie Inaktive Filter. Inaktive Muster bleiben als Entwürfe gespeichert, werden aber nicht auf den Vergleich angewendet.

Mit Filter hinzufügen ... legen Sie einen neuen Eintrag als Klartext oder als Regulärer Ausdruck an. Für jeden Eintrag können Sie Filter aktivieren, den Typ wählen und ein mehrzeiliges Muster eingeben. Ein Muster darf Zeilenumbrüche enthalten.

Im Zeilenmenü können Sie Einträge Duplizieren oder Löschen. Ein duplizierter Eintrag übernimmt seinen Mustertext, Typ und Aktivstatus und kann anschließend unabhängig bearbeitet werden.

Ganze Wörter filtern legt fest, wie ein Treffer entfernt wird:

• Ganze Wörter entfernt jedes vollständige Wort, das von einem Treffer berührt wird. Wenn beispielsweise ein Muster nur einen Teil von Format trifft, wird bei dieser Auswahl das ganze Wort entfernt.
• Teiltreffer entfernt nur die Zeichen, die vom Muster getroffen werden.

Bei einem Eintrag vom Typ Klartext wird das Muster wörtlich gesucht. Ein Eintrag vom Typ Regulärer Ausdruck wird als regulärer Java-Ausdruck ausgewertet. Die Optionen Als Klartext und Als regulären Ausdruck legen beim Anlegen den Typ des neuen Eintrags fest.

Aktive Einträge dürfen nicht leer sein. Aktive Einträge vom Typ Regulärer Ausdruck müssen gültige reguläre Java-Ausdrücke enthalten. Fehler werden direkt am betroffenen Muster angezeigt und verhindern das Speichern.

Inaktive Muster bleiben als Entwürfe erhalten und blockieren das Speichern nicht. Sie werden erst geprüft, wenn Sie den jeweiligen Eintrag aktivieren.

Jedes aktive Muster wird auf den vollständig extrahierten Seitentext angewendet, nicht getrennt auf einzelne Textobjekte. Mehrzeilige Muster sind möglich.

Ohne Erfassungsgruppen wird bei einem regulären Ausdruck der vollständige Treffer entfernt. Enthält der Ausdruck Erfassungsgruppen, werden nur die beteiligten Gruppen entfernt. Diese Semantik gilt für die Treffer des regulären Ausdrucks im extrahierten Seitentext.

Die folgenden Beispiele verwenden keine vertraulichen Dokumentinhalte:

• Klartext: Entwurf entfernt den wörtlichen Text Entwurf aus dem Vergleich.
• Regulärer Ausdruck: Version [0-9]+ trifft beispielsweise Version 12 und entfernt den Treffer nach den Regeln für reguläre Ausdrücke.

Der Gruppen-Schalter Linien und Formen vergleichen aktiviert oder deaktiviert den Vergleich von Linien und Formen.

• Positionstoleranz reicht von 0 bis 100 Pixeln in Schritten von 0,5 Pixeln und ist nur im Modus Seite für Seite wirksam.
• Größentoleranz reicht von 0 bis 100 Pixeln in Schritten von 0,5 Pixeln.
• Linienbreitentoleranz reicht von 0 bis 100 Pixeln in Schritten von 0,1 Pixeln.

Der Gruppen-Schalter Bilder vergleichen aktiviert oder deaktiviert den Bildvergleich.

• Positionstoleranz reicht von 0 bis 10 Pixeln in Schritten von 0,5 Pixeln und ist nur im Modus Seite für Seite wirksam.
• Größentoleranz reicht von 0 bis 1 in Schritten von 0,01.
• Farbtoleranz reicht von 0 bis 1 in Schritten von 0,01.
• Bild-Metadaten prüfen bezieht die Metadaten in den Vergleich ein.
• Bildunterschiede detailliert anzeigen zeigt zusätzliche Details zu Bildunterschieden.

Die Annotation-Gruppe enthält den Gruppen-Schalter Annotationen vergleichen. Er aktiviert oder deaktiviert den Vergleich von Annotationen.

Annotationen detailliert vergleichen vergleicht zusätzliche Attribute der Annotationen.

Alternativtexte vergleichen bezieht PDF-Tags und Alternativtexte ein. Diese Option ist unabhängig vom Gruppen-Schalter Annotationen vergleichen; die Prüfung kann deshalb auch außerhalb eines aktivierten Annotationenvergleichs wirksam sein. Die Begriffe Kommentare und Anmerkungen beschreiben dabei nur den fachlichen Zusammenhang und sind keine UI-Bezeichnungen.

Die Gruppe Weitere Vergleichsoptionen bündelt installierte Optimierungs- und Prüfplugins. Dazu gehören einfache Tabellen, unsichtbare Elemente, mehrspaltige Layouts, vereinheitlichte Texte, externe Links und Inhaltsgruppierung. Die jeweiligen Seiten beschreiben die einzelnen Optionen und ihre Abhängigkeiten.

Der Filter Einfache Tabellen optimieren in i-net PDFC ist für einfache PDF-Tabellen bestimmt. Er erkennt wiederholte Kopfzeilen und ordnet Tabellenzeilen zuverlässiger einander zu. Aktivieren Sie die Option nur, wenn die Tabellenstruktur der verglichenen Dokumente dadurch besser verarbeitet wird.

Die folgenden Unteroptionen werden erst angezeigt, wenn der Filter aktiviert ist:

• Wiederholte Kopfzeilen filtern entfernt Kopfzeilen, die auf mehreren Seiten wiederholt werden, aus der Vergleichsgrundlage.
• Tabellenzeilen zuordnen nach bietet die Werte Gesamte Zeile, Erste Spalte als Schlüssel und Automatisch.
• KI-Tabellenerkennung verwenden (langsam) ist nur verfügbar, wenn die TATR-Erweiterung und die dafür benötigten Ressourcen installiert und verfügbar sind. Die Erkennung kann die Laufzeit insbesondere bei großen Dokumenten deutlich erhöhen.

Die Option ist für einfache Tabellen vorgesehen. Sie ersetzt weder die Analyse komplexer Tabellen noch die Berücksichtigung eines allgemeinen Mehrspaltenlayouts.

Das Auswahlfeld Texte vereinheitlichen in i-net PDFC normalisiert erkannte Textzeichen vor dem Vergleich. Es bietet die folgenden drei Werte:

• Deaktiviert führt keine zusätzliche Textvereinheitlichung aus.
• Komplexe Zeichen vereinfachen führt die grundlegende Vereinheitlichung komplexer Zeichen aus.
• Übliche Texterkennungsfehler korrigieren umfasst die grundlegende Vereinheitlichung und korrigiert zusätzlich typische Zeichenverwechslungen aus der Texterkennung.

Der stärkste Modus ist kein Alias für den mittleren Modus, sondern führt beide Verarbeitungsschritte aus. Welche konkreten Zeichen normalisiert werden, hängt von den Erkennungs- und Dokumentdaten ab. Verwenden Sie die Einstellung nur, wenn diese Normalisierung für den Vergleich fachlich sinnvoll ist.

Mehrspaltiges Layout berücksichtigen in i-net PDFC berücksichtigt mehrere Textspalten und verbessert die ermittelte Lesereihenfolge beziehungsweise die Spaltenstruktur. Dadurch kann die Zuordnung von Text verbessert und die Zahl scheinbarer Textänderungen verringert werden.

Die Option ist für mehrspaltige Fließtexte bestimmt. Sie ist kein Tabellenvergleich und ersetzt nicht die Optimierung einfacher Tabellen. Die Dokumentanalyse kann diese Einstellung abhängig vom Dokument empfehlen.

Unsichtbare Elemente ignorieren entfernt in i-net PDFC Dokumentelemente aus der Vergleichsgrundlage, die bei der Darstellung keinen sichtbaren Beitrag leisten. Dazu können Elemente außerhalb des sichtbaren Seitenbereichs sowie durch Transparenz, Maskierung oder Überdeckung nicht sichtbare Elemente gehören.

Erst nach der Aktivierung des Filters können Sie Tatsächliche Sichtbarkeit berechnen einschalten. Diese genauere Berechnung berücksichtigt unter anderem Clipping und Überdeckung. Sie benötigt deutlich mehr Rechenzeit und ist deshalb insbesondere bei großen Dokumenten abzuwägen.

Die Option ist eine heuristische Optimierung und keine vollständige Rendering- oder Barrierefreiheitsprüfung. Je nach Aufbau der PDF-Datei können Rechenaufwand und Ergebnis unterschiedlich ausfallen.

Inhalt gruppieren legt in i-net PDFC fest, in welcher Reihenfolge PDF-Inhalte für den Vergleich zu Textblöcken, Absätzen und Tabellen zusammengefasst werden. Das Auswahlfeld bietet die folgenden Werte:

• PDFC Standard verwendet die normale PDFC-Erkennung für die visuelle Lesereihenfolge und ist für die meisten Dokumente geeignet.
• Originale PDF-Textreihenfolge vergleichen vergleicht Text in der Reihenfolge, in der er im PDF gespeichert ist, statt in der ermittelten Layoutreihenfolge. Diese Reihenfolge kann von der sichtbaren Lesereihenfolge abweichen.
• PDF-Strukturdaten verwenden verwendet eingebettete PDF-Strukturdaten für Tabellen und Absätze, sofern das Dokument diese korrekt enthält.

Die Gruppe OCR und Texterkennung wird nur gebildet, wenn OCR oder Schriftzuordnungsreparatur verfügbar ist. Je nach installierten und verfügbaren Erweiterungen stehen folgende Werte zur Verfügung:

• Deaktiviert - schnellerer Vergleich führt den Vergleich ohne OCR-gestützte Verarbeitung und ohne Schriftzuordnungsreparatur durch.
• Text in Bildern erkennen verwendet Texterkennung für Text, der in Bildern enthalten ist.
• Fehlerhafte Schriftzuordnung reparieren rekonstruiert beschädigte oder unbrauchbare Schrift- und Zeichenzuordnungen.
• Text erkennen und Schriftzuordnung reparieren kombiniert Texterkennung und die Reparatur der Schriftzuordnung.

Dokumentsprache kann bei aktivierter OCR-gestützter Verarbeitung erscheinen, wenn mehr als eine Sprachressource verfügbar ist. Toleranz für ähnliche Zeichen ist nur für Modi mit Texterkennung aktiv. CMAP deaktivieren ist nur für Modi mit Schriftzuordnungsreparatur aktiv.

Wenn weder OCR noch Schriftzuordnungsreparatur verfügbar ist, wird die gesamte Gruppe entfernt. Eine allein verfügbare Sprachauswahl bleibt in diesem Fall nicht als eigenständige OCR-Gruppe sichtbar. Die Details stehen auf den Seiten für OCR, Schriftzuordnungsreparatur, Dokumentsprache und CMap.

• Filter mit regulären Ausdrücken
• Unterschiede zusammenfassen
• Texterkennung

Die Option Dokumentsprache wird nur angezeigt, wenn die OCR-gestützte Verarbeitung aktiv ist und mehrere passende Sprachressourcen verfügbar sind. Bei deaktivierter OCR-Verarbeitung oder nur einer verfügbaren Sprache wird keine Sprachauswahl eingeblendet.

Mit Erkennen lässt i-net PDFC die Dokumentsprache aus dem Dokument und den verfügbaren Ressourcen ableiten. Zusätzlich erscheinen die tatsächlich installierten und registrierten Sprachressourcen als Auswahl. Die Liste wird nicht statisch in der Dokumentation gepflegt, sondern zur Laufzeit aus den verfügbaren Analyse- und OCR-Ressourcen gebildet. Dadurch bleibt sie wartungsarm, und ein fehlerhafter Eintrag wie "Land" wird nicht angezeigt.

Die gewählte Sprache beeinflusst die Texterkennung, die Erkennung ähnlicher Zeichen und die Korrektur typischer OCR-Fehler. Eine Sprache, die nicht zum Dokument passt, kann zusätzliche Vergleichsunterschiede erzeugen.

Weitere Informationen finden Sie unter OCR-gestützte Verarbeitung und im Abschnitt zur zusammengeführten OCR-Auswahl.

CMAP deaktivieren ignoriert vorhandene CMap-Zuordnungen, damit die Schriftzuordnungsreparatur eine neue Zeichen- und Schriftzuordnung bestimmen kann. In der kombinierten Sidebar wird die Option angezeigt, wenn die OCR-Texterkennung mit einer gewählten Normalisierungsstufe aktiv ist. Das separate Kontrollkästchen zur Textrückgewinnung per OCR entfällt in dieser zusammengeführten Steuerung.

Eine CMap ist die Zeichentabelle einer PDF-Schrift, die gespeicherte Zeichencodes in Text übersetzt. Wenn sichtbarer PDF-Text und gelesener oder kopierter Text nicht zusammenpassen, kann die Rekonstruktion mit deaktivierter CMap eine neue Zuordnung ermitteln. Die technische Abbildung und die Rohwerte stehen auf der Programming-Seite.

Die Auswahl OCR-gestützte Verarbeitung bündelt die OCR- und Schriftzuordnungsfunktionen von i-net PDFC. Die verfügbaren Modi werden dynamisch aus den installierten und aktuell verfügbaren Erweiterungen und Ressourcen ermittelt. Wenn eine erforderliche Erweiterung oder Ressource nicht verfügbar ist, wird der zugehörige Modus nicht angeboten; eine administrative Fehlermeldung kann auf die fehlende Verfügbarkeit hinweisen.

Die Auswahl bietet folgende Modi:

• Deaktiviert - schnellerer Vergleich führt keine zusätzliche OCR- oder Schriftzuordnungsverarbeitung aus.
• Text in Bildern erkennen führt Texterkennung auf Bildinhalten aus. Bereits vorhandener PDF-Text wird dabei nicht durch eine Schriftzuordnungsreparatur ersetzt.
• Fehlerhafte Schriftzuordnung reparieren rekonstruiert die Zuordnung zwischen PDF-Zeichencodes und lesbarem Text. Dieser Modus verarbeitet vorhandenen PDF-Text und erkennt nicht selbstständig Text in Bildern.
• Text erkennen und Schriftzuordnung reparieren kombiniert die Texterkennung in Bildern mit der Reparatur fehlerhafter Schriftzuordnungen.

Die Option Dokumentsprache wird nur angeboten, wenn die OCR-gestützte Verarbeitung aktiv ist und mehrere passende Sprachressourcen verfügbar sind. Die Auswahl Toleranz für ähnliche Zeichen ist ausschließlich in den Modi mit Texterkennung aktiv. Sie umfasst Keine Toleranz, Nur ähnliche Zeichen, Typische OCR-Erkennungsfehler und Erkennungsfehler bei verzerrtem Text. CMAP deaktivieren wird verfügbar, wenn die OCR-Texterkennung aktiv ist, also eine Normalisierungsstufe von Keine Toleranz bis Erkennungsfehler bei verzerrtem Text gewählt ist. Die kombinierte Sidebar entfernt das separate Kontrollkästchen zur Textrückgewinnung per OCR, das diese Option zuvor ebenfalls einblendete.

Die zusätzliche Verarbeitung kann die Laufzeit erhöhen. Welche Felder sichtbar und bedienbar sind, hängt vom gewählten Modus sowie von den verfügbaren Erweiterungen und Sprachressourcen ab.

Weitere Informationen: Fehlerhafte Schriftzuordnung reparieren und Dokumentsprache.

Der Modus Fehlerhafte Schriftzuordnung reparieren rekonstruiert beschädigte oder unbrauchbare Zuordnungen zwischen PDF-Zeichencodes und lesbarem Text. Er verarbeitet bereits vorhandenen PDF-Text und unterscheidet sich damit von Text in Bildern erkennen, das Text aus Bildinhalten extrahiert. Der kombinierte Modus Text erkennen und Schriftzuordnung reparieren führt beide Verarbeitungsschritte aus.

Die Option CMAP deaktivieren ist ausschließlich bei einem Modus mit Schriftzuordnungsreparatur verfügbar: bei Fehlerhafte Schriftzuordnung reparieren und beim kombinierten Modus. Sie ignoriert vorhandene CMap-Zuordnungen, damit die Textrückgewinnung eine neue Zuordnung bestimmen kann. Das kann bei visuell korrekt dargestelltem, aber falsch kopierbarem PDF-Text helfen. In der kombinierten Sidebar wird CMAP deaktivieren angezeigt, wenn die OCR-Texterkennung mit einer gewählten Normalisierungsstufe aktiv ist.

Das Deaktivieren vorhandener Zuordnungen kann die Verarbeitungszeit erhöhen und ist für saubere PDF-Dateien nicht erforderlich. Die tatsächliche Sichtbarkeit hängt von den verfügbaren OCR- und Schriftzuordnungserweiterungen ab.

Weitere Informationen zur zusammengeführten Steuerung finden Sie unter OCR-gestützte Verarbeitung. Die technische Profileigenschaft und ihre Zuordnung zur GUI sind auf der Programming-Seite beschrieben.

Dieser Filter kann verwendet werden, um Kopf- und Fußzeilen vom Vergleich auszuschließen, die zur Reduzierung von sich wiederholenden Unterschieden führen. Die automatische Erkennung ist nur im nicht strengen Modus möglich. Es stehen drei Optionen zur Verfügung.

• Nicht erkennen Kopf- und Fußzeilen werden nicht erkannt
• Automatisch erkennen Kopf- und Fußzeilen werden von i-net PDFC automatisch erkannt und behandelt
• Manuell einstellen Kopf- und Fußzeilen lassen sich Pixel genau einstellen, falls die Bereiche nicht automatisch erkannt werden konnten.