Çift taraflı tarama açıkken tek yüzü dolu bir tomar taratırsanız 40 yapraklık dosya 80 sayfa çıkar ve yarısı boştur. Bunları silmek kolay görünen bir iş: sayfaya bak, boşsa at. Yazılıma yaptırmaya kalkınca "boş" kelimesinin tanımı elde kalıyor.
Taranmış sayfa beyaz değildir
Ekranda beyaz gördüğünüz taranmış kağıt, ölçüldüğünde beyaz çıkmıyor. Kağıdın kendi tonu, tarayıcının pozu ve sararma zemini 210 ile 245 arasına yayıyor, 255 yalnızca bilgisayarda üretilmiş belgelerde görülüyor. Bu yüzden "şu tondan koyu pikselleri say" diyen sabit bir eşik işe yaramıyor: fotokopi grisiyle taranmış bir sayfanın tamamı mürekkep sayılır.
Çalışan yol, sayfanın kendi kağıt seviyesini önce ölçüp mürekkebi ona göre aramak. Ölçüm böylece taramanın pozundan bağımsız hale geliyor; aynı belge açık ve koyu taranmış hâlleriyle aynı sonucu veriyor.
Kenarda oturan üç şey
Tarayıcı kapağının kapanmadığı yerde kenarda siyah bir bant kalıyor. Delgeçle delinmiş kağıtta üç yuvarlak koyu leke oluyor. Eğri konmuş yaprağın köşesinde üçgen bir gölge doğuyor. Üçü de sayfanın en dış bandında ve üçü de ölçüye girerse boş sayfa dolu görünüyor, yani araç hiçbir şey bulamıyor.
Çözüm en dış yüzde ikilik bandı ölçüme almamak. Bedeli açık: o bantta duran gerçek bir içerik de ölçülmüyor. Bu, ölçümün tek başına karar vermemesinin sebeplerinden biri.
Sayılar: toz nerede biter, içerik nerede başlar
Aşağıdaki oranlar tahmin değil; A4 boyutunda, 96 DPI çözünürlükte kurulmuş sinama yüzeylerinde ölçüldü. Oran, mürekkep sayılan piksellerin ölçülen piksellere bölümü.
- Tertemiz zemin: %0,0000
- Yalnızca basılı sayfa numarası: %0,0107
- On tarayıcı tozu lekesi: %0,0194
- Kırk toz lekesi, ağır kirli tarama: %0,1213
- Soluk tek satır üstbilgi: %0,1334
- Kurşun kalemle atılmış imza: %0,7358
- Normal metin sayfası, %11,84
Eşik toz ile üstbilgi arasına konuyor. İki yanında yaklaşık yedi kat pay var, yani sınır gerçek belgede kolay kolay taraf değiştirmiyor. Soluk kalem notu da rahatlıkla dolu tarafta kalıyor, mürekkep eşiği kağıttan 40 birim koyuluğa ayarlı, kurşun kalem ise yaklaşık 45 birim koyu.
Eşikle kapanmayan sınır
Listeye ikinci ve üçüncü satırın yan yana geldiği yere dikkat edin: basılı bir sayfa numarası, on toz lekesinden daha az mürekkep taşıyor. Bu bir ayar hatası değil; hiçbir oran eşiği bu ikisini birbirinden ayıramaz. Eşiği sayfa numarasını kurtaracak kadar düşürmek, tozu içerik saymak ve aracı kirli taramalarda kullanılamaz kılmak demek.
Ayrım ancak şekle bakarak yapılabilirdi: sayfa numarası derli toplu bir küme, toz ise dağınık tekil noktalar. Bağlantılı bileşen analizi bunu çözüyor ama maliyeti aracın kazancını aşıyor, bu yüzden alınmadı. Bunun yerine sınır saklanmıyor: araç her sayfanın küçük resmini gösteriyor ve onay istiyor.
Metin katmanı olan belgede bu sorun yok
Bilgisayarda üretilmiş bir PDF'te sayfa numarası bir görüntü değil, seçilebilen bir karakter. Orada piksel ölçümüne hiç gerek kalmıyor: sayfada bir karakter varsa sayfa doludur, tartışma biter. Ölçümün pahalı yolu yalnızca taranmış sayfalar için gerekiyor.
Belgenizde metin var mı yok mu bilmiyorsanız PDF metin çıkarma aracı bunu söyler: taranmış belgede uyarı verir, çünkü çıkaracak metin bulamaz.
Neden çizime bakılıyor da dosyanın içine bakılmıyor
PDF'in içeriğini ayrıştırıp "bu sayfada hiç çizim komutu yok" demek ilk akla gelen yol. Yapılmıyor, çünkü sayfa boş olmadan da hiçbir şey göstermeyebiliyor: beyaz zemine beyaz çizim, tamamen saydam bir görüntü, kırpma yolunun dışında kalmış içerik. Tersi de doğru, dolu görünen komut listesi ekranda hiçbir şey bırakmayabiliyor.
Sayfayı çizip sonuca bakmak boyama sırasını, saydamlığı ve kırpmayı kendiliğinden hesaba katıyor. Aynı yaklaşım PDF gizli veri denetiminde de kullanılıyor, orada ters yönde: görünmediği hâlde dosyada duran metni bulmak için.
Bu yöntemin tek bağımlılığı çizimin doğruluğu. Gömülü bir yazı tipi çizilemezse sayfa boş görünür; gizli veri denetiminde bunun bedeli yanlış alarm, boş sayfa silmede ise veri kaybı. İki araç aynı tekniği kullanıyor ama aynı hatanın ağırlığı farklı, ve silme tarafında hem metin vetosu hem de onay ekranı bu yüzden var.
Silmeden önce
Kaynak dosyanız değişmiyor: yeni bir belge üretiliyor ve silinen sayfalar oraya kopyalanmıyor. Yine de indirdiğiniz belgeyi bir kez gözden geçirin, özellikle taranmış bir belgede yalnızca numara, kaşe izi veya soluk bir el yazısı taşıyan sayfalar varsa.
Boş sayfaları temizlemek için PDF boş sayfa silme aracını kullanabilirsiniz; belgeyi parçalara ayırmak istiyorsanız PDF bölme aracı bunun için var.