انجمن‌ها

فایلهای pdf که از کتابها استخراج می شود معمولا" به دو شکل است:

1) فایلهای استخراج شده از متن (text): در این روش متن کتاب یک فایل متنی قابل جستجوست که یا در یک واژه پرداز (مثلا" Word, Indesign, ...) وارد و ذخیره شده است یا اینکه توسط نرم افزارهای تشخیص متن (OCR) تولید شده اند. کتابهای منتشر شده در سالهای اخیر بیشتر به این شکل می باشد. متن کامل این نوع از کتابها به راحتی و به طور خودکار در کتابخانه دیجیتال استخراج، واژه سازی و جستجو می شود.

2) فایلهای استخراج شده از تصویر (image): در این روش از هر صفحه کتاب یک تصویر تهیه می شود و سپس از آنها خروجی pdf تولید می شود. این روش برای کتابهای قدیمی تر استفاده می شود که قبل از رواج تکنولوژی نشر رو میزی (Desktop Publishing) چاپ شده اند و عملا" فایل متنی کامپیوتری متناظر با آنها وجود ندارد. این نوع از کتابها در ابتدا فایل قابل جستجو ندارند و متن آنها قابل جستجو نیست. با این حال در کتابخانه دیجیتال سیمرغ این امکان وجود دارد که برای این نوع از فایلها، یک متن دلخواه (مثلا" چکیده، بخشی برگزیده از کتاب، و ...) را به شکل دستی وارد و ذخیره کنید تا واژه سازی و جستجو شود.