Bankan\u0131zdan gelen ekstreleri dijital olarak i\u015flemek, finansal takibinizi kolayla\u015ft\u0131rmak i\u00e7in harika bir yol olabilir. Peki ya elinizde sadece taranm\u0131\u015f bir PDF varsa? Bu makalede, optik karakter tan\u0131ma (OCR) teknolojisinin taranm\u0131\u015f banka ekstrelerindeki verileri nas\u0131l \u00e7\u0131kard\u0131\u011f\u0131n\u0131, kar\u015f\u0131la\u015f\u0131lan zorluklar\u0131 ve bu s\u00fcrecin neden her zaman kusursuz olmad\u0131\u011f\u0131n\u0131 derinlemesine inceleyece\u011fiz. Amac\u0131m\u0131z, bu teknolojinin s\u0131n\u0131rlar\u0131n\u0131 anlamak ve verimli bir veri \u00e7\u0131karma s\u00fcreci i\u00e7in bilin\u00e7li ad\u0131mlar atmakt\u0131r.<\/p>\n
Dijital d\u00fcnyada bilgiye eri\u015fimimiz her ge\u00e7en g\u00fcn art\u0131yor. Ancak, finansal i\u015flemlerimizin kayd\u0131 olan banka ekstreleri s\u00f6z konusu oldu\u011funda, bazen kar\u015f\u0131m\u0131za \u00e7\u0131kan formatlar bizi zorlayabilir. \u00d6zellikle eski tarihli ekstreler veya baz\u0131 bankalar\u0131n hala tercih etti\u011fi y\u00f6ntemler nedeniyle, elimizde bulunan PDF dosyalar\u0131 asl\u0131nda metin tabanl\u0131 de\u011fil, taranm\u0131\u015f birer resim dosyas\u0131 olabilir. Bu, PDF’yi a\u00e7t\u0131\u011f\u0131n\u0131zda metni se\u00e7ip kopyalayamaman\u0131zla kendini belli eder. E\u011fer metni se\u00e7emiyorsan\u0131z, bu dosya temelinde bir metin arama, filtreleme veya veri \u00e7\u0131karma i\u015flemi yapman\u0131z m\u00fcmk\u00fcn de\u011fildir. Bu t\u00fcr dosyalar, bilgisayar taraf\u0131ndan “g\u00f6r\u00fcnt\u00fc” olarak alg\u0131lan\u0131r, “metin” olarak de\u011fil. Dolay\u0131s\u0131yla, bu “g\u00f6r\u00fcnt\u00fc” i\u00e7indeki bilgileri i\u015fleyebilmek i\u00e7in \u00f6zel bir teknolojiye ihtiya\u00e7 duyar\u0131z. \u0130\u015fte bu noktada Optik Karakter Tan\u0131ma (OCR) teknolojisi devreye girer. OCR, bir g\u00f6r\u00fcnt\u00fcn\u00fcn i\u00e7indeki karakterleri, kelimeleri ve c\u00fcmleleri alg\u0131layarak bunlar\u0131 makine taraf\u0131ndan okunabilir ve i\u015flenebilir metne d\u00f6n\u00fc\u015ft\u00fcrme yetene\u011fine sahiptir. Ancak, her teknoloji gibi OCR’nin de kendi s\u0131n\u0131rl\u0131l\u0131klar\u0131 ve kar\u015f\u0131la\u015ft\u0131\u011f\u0131 zorluklar vard\u0131r, \u00f6zellikle de banka ekstreleri gibi karma\u015f\u0131k ve yap\u0131land\u0131r\u0131lm\u0131\u015f belgeler s\u00f6z konusu oldu\u011funda.<\/p>\n
Optik Karakter Tan\u0131ma (OCR) teknolojisi, taranm\u0131\u015f bir belgenin veya resmin i\u00e7indeki metni tan\u0131mlamak ve dijital bir metin dosyas\u0131na d\u00f6n\u00fc\u015ft\u00fcrmek i\u00e7in kullan\u0131l\u0131r. Bu s\u00fcre\u00e7, birka\u00e7 ad\u0131mdan olu\u015fur. \u0130lk olarak, OCR yaz\u0131l\u0131m\u0131 belgeyi analiz ederek karakterleri alg\u0131lar. Bu a\u015famada, g\u00f6r\u00fcnt\u00fcdeki her bir piksel grubu incelenir ve potansiyel karakter \u015fekilleri belirlenir. Ard\u0131ndan, bu \u015fekiller \u00f6nceden tan\u0131mlanm\u0131\u015f karakter setleriyle (alfabe, rakamlar, semboller) kar\u015f\u0131la\u015ft\u0131r\u0131l\u0131r. Bu kar\u015f\u0131la\u015ft\u0131rma, genellikle bir “e\u011fitimli” veritaban\u0131 kullan\u0131larak yap\u0131l\u0131r. Yaz\u0131l\u0131m, \u00f6rne\u011fin “A” harfinin farkl\u0131 yaz\u0131 tiplerindeki ve boyutlar\u0131ndaki g\u00f6r\u00fcn\u00fcmlerini tan\u0131mak i\u00e7in \u00f6nceden e\u011fitilmi\u015ftir. Alg\u0131lama i\u015flemi tamamland\u0131ktan sonra, yaz\u0131l\u0131m karakterleri birle\u015ftirerek kelimeleri ve c\u00fcmleleri olu\u015fturur. Bu a\u015famada, dilbilgisi ve s\u00f6zl\u00fck bilgisi de kullan\u0131larak tan\u0131ma do\u011frulu\u011fu art\u0131r\u0131labilir. Ancak, taranm\u0131\u015f banka ekstreleri gibi belgelerde bu s\u00fcre\u00e7, \u00e7e\u015fitli fakt\u00f6rlerden dolay\u0131 zorlanabilir. G\u00f6r\u00fcnt\u00fcn\u00fcn kalitesi, \u00e7\u00f6z\u00fcn\u00fcrl\u00fc\u011f\u00fc, belgenin \u00fczerindeki lekeler, katlanmalar, farkl\u0131 yaz\u0131 tipleri ve renkler, OCR’nin do\u011frulu\u011funu do\u011frudan etkiler. \u00d6rne\u011fin, d\u00fc\u015f\u00fck \u00e7\u00f6z\u00fcn\u00fcrl\u00fckl\u00fc bir tarama, karakterlerin netli\u011fini bozarak yaz\u0131l\u0131m\u0131n kar\u0131\u015ft\u0131rmas\u0131na neden olabilir. Benzer \u015fekilde, belgenin \u00fczerindeki m\u00fcrekkep lekeleri veya kararmalar, karakterlerin bir k\u0131sm\u0131n\u0131 kapatarak tan\u0131nmas\u0131n\u0131 engelleyebilir. Bu nedenle, OCR’nin her zaman %100 do\u011fru sonu\u00e7 vermesi beklenmemelidir. \u00d6zellikle banka ekstrelerinde yer alan tablolar, s\u00fctunlar ve farkl\u0131 veri t\u00fcrleri (tarihler, tutarlar, a\u00e7\u0131klamalar), OCR’nin bu yap\u0131y\u0131 do\u011fru bir \u015fekilde ayr\u0131\u015ft\u0131rmas\u0131n\u0131 gerektirir ki bu da ba\u015fl\u0131 ba\u015f\u0131na bir meydan okumad\u0131r.<\/p>\n
Banka ekstreleri, finansal i\u015flemlerin detayl\u0131 bir kayd\u0131n\u0131 sundu\u011fu i\u00e7in yap\u0131sal olarak olduk\u00e7a karma\u015f\u0131kt\u0131r. Tarihler, i\u015flem a\u00e7\u0131klamalar\u0131, tutarlar, bakiye bilgileri gibi farkl\u0131 veri t\u00fcrleri belirli bir d\u00fczende sunulur. Taranm\u0131\u015f bir PDF’de bu yap\u0131y\u0131 do\u011fru bir \u015fekilde alg\u0131lamak, OCR i\u00e7in \u00f6nemli bir engel te\u015fkil eder. G\u00f6r\u00fcnt\u00fc i\u015fleme algoritmalar\u0131, metni karakter karakter tan\u0131yabilir, ancak bu karakterlerin hangi s\u00fctuna ait oldu\u011funu, bir i\u015flemin hangi tarihe ait oldu\u011funu veya tutar\u0131n do\u011fru bir \u015fekilde ayr\u0131\u015ft\u0131r\u0131l\u0131p ayr\u0131\u015ft\u0131r\u0131lmad\u0131\u011f\u0131n\u0131 anlamakta zorlanabilir. \u00d6zellikle, s\u00fctun ba\u015fl\u0131klar\u0131n\u0131n net olmamas\u0131, ayn\u0131 s\u00fctunda farkl\u0131 formatlarda say\u0131lar (\u00f6rne\u011fin, binlik ay\u0131r\u0131c\u0131 olarak nokta veya virg\u00fcl kullan\u0131m\u0131) veya para birimi sembollerinin farkl\u0131 \u015fekillerde yer almas\u0131 gibi durumlar, OCR’nin do\u011fru bir tablo yap\u0131s\u0131 olu\u015fturmas\u0131n\u0131 engeller. Ayr\u0131ca, banka ekstrelerinde s\u0131k\u00e7a kullan\u0131lan \u00f6zel karakterler (\u00f6rne\u011fin, i\u015flem t\u00fcrlerini belirten kodlar veya semboller) de OCR’nin tan\u0131ma do\u011frulu\u011funu d\u00fc\u015f\u00fcrebilir. K\u00f6t\u00fc taranm\u0131\u015f belgelerdeki bulan\u0131kl\u0131k, e\u011frilik veya g\u00f6lgeler, karakterlerin \u015fekillerini bozarak yanl\u0131\u015f tan\u0131nmalar\u0131na yol a\u00e7abilir. \u00d6rne\u011fin, “1” rakam\u0131 “l” harfiyle veya “0” rakam\u0131 “O” harfiyle kar\u0131\u015ft\u0131r\u0131labilir. Bu t\u00fcr yanl\u0131\u015flar, finansal verilerin analizinde ciddi hatalara yol a\u00e7abilir. Bu nedenle, taranm\u0131\u015f banka ekstrelerini i\u015flerken, OCR’nin sadece metni \u00e7\u0131karmakla kalmay\u0131p, ayn\u0131 zamanda belgenin yap\u0131sal b\u00fct\u00fcnl\u00fc\u011f\u00fcn\u00fc de koruyabilmesi kritik \u00f6neme sahiptir. Ancak, bu genellikle ek bir i\u015fleme veya \u00f6zel algoritmalar gerektirir.<\/p>\n
Optik Karakter Tan\u0131ma (OCR) teknolojisinin do\u011frulu\u011fu, b\u00fcy\u00fck \u00f6l\u00e7\u00fcde i\u015fledi\u011fi g\u00f6r\u00fcnt\u00fcn\u00fcn kalitesine ba\u011fl\u0131d\u0131r. Taranm\u0131\u015f banka ekstreleri s\u00f6z konusu oldu\u011funda, bu kalite fakt\u00f6r\u00fc daha da kritik hale gelir. Y\u00fcksek \u00e7\u00f6z\u00fcn\u00fcrl\u00fckl\u00fc bir tarama, karakterlerin daha net ve keskin g\u00f6r\u00fcnmesini sa\u011flar, bu da OCR yaz\u0131l\u0131m\u0131n\u0131n karakterleri do\u011fru bir \u015fekilde ay\u0131rt etme olas\u0131l\u0131\u011f\u0131n\u0131 art\u0131r\u0131r. D\u00fc\u015f\u00fck \u00e7\u00f6z\u00fcn\u00fcrl\u00fckl\u00fc taramalar ise karakterlerin bulan\u0131kla\u015fmas\u0131na, p\u00fcr\u00fczl\u00fc kenarlar\u0131n olu\u015fmas\u0131na ve birbirine kar\u0131\u015fmas\u0131na neden olabilir. Bu durum, yaz\u0131l\u0131m\u0131n “i” ile “l” veya “0” ile “O” gibi benzer karakterleri ay\u0131rt etmesini zorla\u015ft\u0131r\u0131r. Benzer \u015fekilde, belgenin tarama s\u0131ras\u0131nda e\u011frilmesi veya yamulmas\u0131 da karakterlerin \u015fekillerini bozarak tan\u0131ma hatalar\u0131na yol a\u00e7abilir. Bu t\u00fcr bozulmalar, OCR algoritmalar\u0131n\u0131n metin sat\u0131rlar\u0131n\u0131 do\u011fru bir \u015fekilde takip etmesini engelleyebilir. Belge \u00fczerindeki lekeler, m\u00fcrekkep damlalar\u0131 veya arka plan g\u00fcr\u00fclt\u00fcs\u00fc de \u00f6nemli bir fakt\u00f6rd\u00fcr. Bu t\u00fcr istenmeyen unsurlar, karakterlerin bir par\u00e7as\u0131n\u0131 kapatabilir veya yanl\u0131\u015f karakterler olarak alg\u0131lanabilir. Bu nedenle, taranm\u0131\u015f belgeleri i\u015fleme almadan \u00f6nce, m\u00fcmk\u00fcnse, g\u00f6r\u00fcnt\u00fc kalitesini iyile\u015ftirmek i\u00e7in baz\u0131 \u00f6n i\u015flemler yapmak faydal\u0131 olacakt\u0131r. Bu \u00f6n i\u015flemler aras\u0131nda parlakl\u0131k ve kontrast ayarlar\u0131, e\u011frili\u011fi d\u00fczeltme (deskewing) ve g\u00fcr\u00fclt\u00fc azaltma (noise reduction) gibi teknikler yer alabilir. Bu t\u00fcr iyile\u015ftirmeler, OCR’nin daha temiz ve do\u011fru bir metin \u00e7\u0131kt\u0131s\u0131 \u00fcretmesine yard\u0131mc\u0131 olur. Ancak, bu \u00f6n i\u015flemlerin de dikkatli yap\u0131lmas\u0131 gerekir, \u00e7\u00fcnk\u00fc a\u015f\u0131r\u0131 d\u00fczenlemeler metnin kendisini bozabilir.<\/p>\n
OCR teknolojisi, taranm\u0131\u015f bir belgedeki metni dijital formata d\u00f6n\u00fc\u015ft\u00fcrmede olduk\u00e7a ba\u015far\u0131l\u0131 olsa da, banka ekstreleri gibi karma\u015f\u0131k belgelerde hatalar ka\u00e7\u0131n\u0131lmaz olabilir. Genel olarak, OCR’nin en do\u011fru \u00e7\u0131kard\u0131\u011f\u0131 veriler, net ve belirgin metin bloklar\u0131d\u0131r. \u00d6rne\u011fin, i\u015flem a\u00e7\u0131klamalar\u0131, e\u011fer net bir \u015fekilde yaz\u0131lm\u0131\u015fsa, genellikle do\u011fru bir \u015fekilde tan\u0131n\u0131r. Tarihler, e\u011fer standart bir formatta ise (\u00f6rne\u011fin, GG\/AA\/YYYY veya AA-GG-YYYY), \u00e7o\u011funlukla do\u011fru bir \u015fekilde \u00e7\u0131kar\u0131l\u0131r. Ancak, rakamlar ve tutarlar s\u00f6z konusu oldu\u011funda, \u00f6zellikle para birimi sembolleri, binlik ay\u0131r\u0131c\u0131lar (nokta veya virg\u00fcl) ve ondal\u0131k ay\u0131r\u0131c\u0131lar gibi unsurlar\u0131n karma\u015f\u0131k yap\u0131s\u0131, OCR’nin hata yapmas\u0131na neden olabilir. \u00d6rne\u011fin, bir tutar\u0131n sonundaki “.00” k\u0131sm\u0131 yanl\u0131\u015f okunabilir veya bir para birimi sembol\u00fc (\u00f6rn. TL, $) tan\u0131nmayabilir. \u0130\u015flem a\u00e7\u0131klamalar\u0131ndaki k\u0131saltmalar, \u00f6zel karakterler veya bankan\u0131n kendi kulland\u0131\u011f\u0131 kodlar da OCR’nin kafa kar\u0131\u015f\u0131kl\u0131\u011f\u0131na yol a\u00e7abilir. En b\u00fcy\u00fck zorluklardan biri ise, banka ekstrelerindeki tablo yap\u0131s\u0131n\u0131n korunmas\u0131d\u0131r. OCR, metni bir ak\u0131\u015f olarak alg\u0131lama e\u011filimindedir, bu da s\u00fctunlar\u0131 ve sat\u0131rlar\u0131 do\u011fru bir \u015fekilde ayr\u0131\u015ft\u0131rmay\u0131 zorla\u015ft\u0131r\u0131r. Bu nedenle, bir i\u015flemdeki tarih, a\u00e7\u0131klama ve tutar\u0131n ayn\u0131 sat\u0131rda ve do\u011fru s\u00fctunlarda yer ald\u0131\u011f\u0131ndan emin olmak i\u00e7in ek bir i\u015fleme ihtiya\u00e7 duyulabilir. \u00d6rne\u011fin, “15\/03\/2024 EFT – XXX Bankas\u0131 500.75 TL” gibi bir sat\u0131r, OCR taraf\u0131ndan do\u011fru bir \u015fekilde metin olarak \u00e7\u0131kar\u0131lsa bile, bu bilgilerin ayr\u0131 ayr\u0131 alanlara (tarih, a\u00e7\u0131klama, tutar) ayr\u0131\u015ft\u0131r\u0131lmas\u0131, OCR’nin tek ba\u015f\u0131na yapamayaca\u011f\u0131 bir g\u00f6revdir. Bu t\u00fcr yap\u0131sal verileri \u00e7\u0131karmak i\u00e7in genellikle daha geli\u015fmi\u015f veri \u00e7\u0131karma (data extraction) veya belge anlama (document understanding) teknikleri kullan\u0131l\u0131r. Bu teknikler, OCR’nin \u00e7\u0131kt\u0131s\u0131n\u0131 al\u0131p, belgenin bilinen yap\u0131s\u0131n\u0131 kullanarak bilgileri daha anlaml\u0131 hale getirir.<\/p>\n
Diyelim ki elinizde bir bankan\u0131n taranm\u0131\u015f ayl\u0131k ekstre PDF’si var. Bu PDF, y\u0131llar \u00f6nce taranm\u0131\u015f ve \u00e7\u00f6z\u00fcn\u00fcrl\u00fc\u011f\u00fc olduk\u00e7a d\u00fc\u015f\u00fck. Ekstrede, banka taraf\u0131ndan kullan\u0131lan \u00f6zel bir i\u015flem kodu format\u0131 mevcut ve tutarlar hem TL hem de d\u00f6viz cinsinden listelenmi\u015f. OCR yaz\u0131l\u0131m\u0131n\u0131 kullanarak bu PDF’den veri \u00e7ekmeye \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131zda, \u015fu t\u00fcr sorunlarla kar\u015f\u0131la\u015fabilirsiniz:<\/p>\n
Bu senaryoda, OCR’nin temel metin \u00e7\u0131karma yetene\u011fi olsa da, finansal verilerin do\u011frulu\u011fu ve yap\u0131sal b\u00fct\u00fcnl\u00fc\u011f\u00fc ciddi \u015fekilde tehlikeye girer. Elde edilen ham veriyi kullanmadan \u00f6nce, kapsaml\u0131 bir veri temizleme ve do\u011frulama s\u00fcrecinden ge\u00e7irmek zorunlu hale gelir.<\/p>\n
OCR’nin taranm\u0131\u015f bir PDF’den metin \u00e7\u0131karmas\u0131, s\u00fcrecin sadece ilk ad\u0131m\u0131d\u0131r. Elde edilen ham metin verisi, genellikle do\u011frudan analiz veya i\u015fleme i\u00e7in uygun de\u011fildir. Bu nedenle, kapsaml\u0131 bir veri temizleme ve yap\u0131land\u0131rma s\u00fcreci gereklidir. Bu s\u00fcre\u00e7, OCR hatalar\u0131n\u0131 d\u00fczeltmeyi, veriyi anlaml\u0131 alanlara ay\u0131rmay\u0131 ve finansal analiz i\u00e7in uygun bir formata getirmeyi ama\u00e7lar. \u0130lk olarak, OCR taraf\u0131ndan yap\u0131lan yaz\u0131m hatalar\u0131, karakter yanl\u0131\u015fl\u0131klar\u0131 ve eksik karakterler tespit edilerek d\u00fczeltilmelidir. Bu, genellikle bir dizi kural tabanl\u0131 kontrol veya geli\u015fmi\u015f metin analizi teknikleri kullan\u0131larak yap\u0131l\u0131r. \u00d6rne\u011fin, belirli bir tarih format\u0131na uymayan t\u00fcm tarihler i\u015faretlenerek manuel olarak kontrol edilebilir. Benzer \u015fekilde, tutar alanlar\u0131ndaki say\u0131sal olmayan karakterler veya yanl\u0131\u015f formatlanm\u0131\u015f say\u0131lar tespit edilip d\u00fczeltilmelidir. Sonras\u0131nda, verinin yap\u0131land\u0131r\u0131lmas\u0131 gelir. OCR, metni d\u00fcz bir ak\u0131\u015f olarak \u00e7\u0131kard\u0131\u011f\u0131 i\u00e7in, hangi bilginin hangi alana ait oldu\u011funu belirlemek i\u00e7in ek mant\u0131k gerekir. Bu, genellikle i\u015flem a\u00e7\u0131klamalar\u0131ndaki anahtar kelimeleri analiz ederek veya belirli bir desene uyan verileri (\u00f6rne\u011fin, belirli bir tarihten sonra gelen say\u0131lar tutard\u0131r) tan\u0131mlayarak yap\u0131l\u0131r. \u00d6rne\u011fin, “EFT – XXX Bankas\u0131” gibi bir a\u00e7\u0131klama, “\u0130\u015flem A\u00e7\u0131klamas\u0131” alan\u0131na atan\u0131rken, hemen ard\u0131ndan gelen say\u0131sal de\u011fer “Tutar” alan\u0131na atan\u0131r. Bu t\u00fcr bir ayr\u0131\u015ft\u0131rma, genellikle programatik olarak ger\u00e7ekle\u015ftirilir. Python gibi programlama dilleri, bu t\u00fcr veri i\u015fleme g\u00f6revleri i\u00e7in g\u00fc\u00e7l\u00fc ara\u00e7lar sunar. Regex (d\u00fczenli ifadeler) gibi teknikler, belirli desenleri metin i\u00e7inde bulmak ve \u00e7\u0131karmak i\u00e7in olduk\u00e7a kullan\u0131\u015fl\u0131d\u0131r. Bu temizleme ve yap\u0131land\u0131rma s\u00fcreci, ne kadar otomatikle\u015ftirilirse, veri \u00e7\u0131karma i\u015fleminin verimlili\u011fi ve do\u011frulu\u011fu o kadar artar.<\/p>\n
OCR’den elde edilen ham metin verisini temizlemek ve yap\u0131land\u0131rmak i\u00e7in programatik yakla\u015f\u0131mlar, s\u00fcreci otomatikle\u015ftirmede kilit rol oynar. Python, bu alanda en pop\u00fcler ve g\u00fc\u00e7l\u00fc dillerden biridir. Python’\u0131n sundu\u011fu \u00e7e\u015fitli k\u00fct\u00fcphaneler, bu s\u00fcreci olduk\u00e7a kolayla\u015ft\u0131r\u0131r. \u00d6rne\u011fin, Optik Karakter Tan\u0131ma (OCR), temelde bir g\u00f6r\u00fcnt\u00fcn\u00fcn i\u00e7indeki karakterleri metne d\u00f6n\u00fc\u015ft\u00fcrme i\u015fini yapar. Ancak, OCR’nin s\u0131n\u0131rlar\u0131 vard\u0131r ve \u00f6zellikle belgelerin yap\u0131sal anlam\u0131n\u0131 ve ba\u011flam\u0131n\u0131 anlamakta yetersiz kal\u0131r. Banka ekstrelerinde bu durum daha da belirginle\u015fir. OCR, bir metin sat\u0131r\u0131n\u0131 okuyabilir, ancak bu sat\u0131r\u0131n bir i\u015flem tarihi mi, bir a\u00e7\u0131klama m\u0131 yoksa bir tutar m\u0131 oldu\u011funu kendi ba\u015f\u0131na anlayamaz. Bu, bir insan\u0131n okudu\u011funda anlad\u0131\u011f\u0131 “anlam”d\u0131r. \u00d6rne\u011fin, “15\/03\/2024” ifadesini OCR do\u011fru bir \u015fekilde metin olarak \u00e7\u0131karabilir, ancak bunun bir i\u015flem tarihi oldu\u011funu bilmez. Benzer \u015fekilde, “500.75 TL” ifadesini de metin olarak tan\u0131r, ancak bunun bir para tutar\u0131 oldu\u011funu ve belirli bir para birimine ait oldu\u011funu do\u011frudan anlamaz. OCR’nin en b\u00fcy\u00fck eksikli\u011fi, belgelerin d\u00fczenini ve mant\u0131ksal ili\u015fkilerini kavramakt\u0131r. Bir banka ekstre sinde, belirli bir s\u00fctunda yer alan t\u00fcm bilgilerin ayn\u0131 t\u00fcrden veriler oldu\u011funu (\u00f6rne\u011fin, “Tutar” s\u00fctunundaki t\u00fcm de\u011ferlerin say\u0131sal tutarlar oldu\u011funu) OCR alg\u0131layamaz. Bu, genellikle “yap\u0131sal anlama” (structural understanding) veya “belge anlama” (document understanding) alan\u0131na girer. Bu t\u00fcr sistemler, OCR’nin \u00e7\u0131kt\u0131s\u0131n\u0131 al\u0131r ve belgenin bilinen \u015fablonlar\u0131n\u0131 kullanarak veriyi do\u011fru alanlara yerle\u015ftirir. \u00d6rne\u011fin, bir “Hesap \u00d6zeti” \u015fablonu tan\u0131mlanm\u0131\u015fsa, sistem bu \u015fablonu kullanarak OCR \u00e7\u0131kt\u0131s\u0131ndaki bilgileri ilgili alanlara (hesap numaras\u0131, d\u00f6nem, toplam harcama vb.) atayabilir. Bu nedenle, taranm\u0131\u015f banka ekstrelerinden tam anlam\u0131yla faydalanabilmek i\u00e7in, sadece OCR de\u011fil, ayn\u0131 zamanda geli\u015fmi\u015f veri \u00e7\u0131karma ve belge i\u015fleme teknolojileri de gereklidir.<\/p>\n OCR’nin s\u0131n\u0131rlar\u0131n\u0131 a\u015fmak ve taranm\u0131\u015f belgelerden daha ak\u0131ll\u0131ca veri \u00e7\u0131karmak i\u00e7in makine \u00f6\u011frenmesi (machine learning) teknikleri devreye girer. Makine \u00f6\u011frenmesi tabanl\u0131 belge anlama sistemleri, OCR’nin \u00e7\u0131kard\u0131\u011f\u0131 ham metni al\u0131p, belgenin ba\u011flam\u0131n\u0131 ve yap\u0131s\u0131n\u0131 anlayarak veriyi anlaml\u0131 hale getirir. Bu sistemler, genellikle b\u00fcy\u00fck miktarda etiketlenmi\u015f belge verisi \u00fczerinde e\u011fitilir. \u00d6rne\u011fin, bir makine \u00f6\u011frenmesi modeli, binlerce banka ekstresi \u00fczerinde e\u011fitilerek, hangi metin par\u00e7ac\u0131\u011f\u0131n\u0131n i\u015flem tarihi, hangisinin a\u00e7\u0131klama, hangisinin tutar oldu\u011funu \u00f6\u011frenebilir. Bu \u00f6\u011frenme s\u00fcreci, genellikle do\u011fal dil i\u015fleme (Natural Language Processing – NLP) ve bilgisayarl\u0131 g\u00f6r\u00fc (Computer Vision) tekniklerini birle\u015ftirir. NLP, metnin anlam\u0131n\u0131 ve dilbilgisel yap\u0131s\u0131n\u0131 anlamak i\u00e7in kullan\u0131l\u0131rken, bilgisayarl\u0131 g\u00f6r\u00fc, belgenin g\u00f6rsel d\u00fczenini ve metinlerin konumlar\u0131n\u0131 analiz etmek i\u00e7in kullan\u0131l\u0131r. Bu modeller, sadece karakterleri de\u011fil, ayn\u0131 zamanda kelimeler aras\u0131ndaki ili\u015fkileri, c\u00fcmlelerin yap\u0131s\u0131n\u0131 ve belgenin genel d\u00fczenini de anlayabilir. \u00d6rne\u011fin, bir model, belirli bir s\u00fctunda yer alan metinlerin, genellikle say\u0131sal de\u011ferler oldu\u011funu ve belirli bir formatta oldu\u011funu \u00f6\u011frenebilir. Bu sayede, OCR’nin hatal\u0131 \u00e7\u0131kard\u0131\u011f\u0131 tutarlar\u0131 bile, ba\u011flamdan yola \u00e7\u0131karak d\u00fczeltebilir. Bu t\u00fcr ileri d\u00fczey sistemler, \u00f6zellikle finansal hizmetler, sigortac\u0131l\u0131k ve muhasebe gibi alanlarda, b\u00fcy\u00fck hacimli belgelerin otomatik olarak i\u015flenmesinde devrim yaratm\u0131\u015ft\u0131r. Bu teknolojiler, manuel veri giri\u015fini azaltarak verimlili\u011fi art\u0131r\u0131r, hata oran\u0131n\u0131 d\u00fc\u015f\u00fcr\u00fcr ve daha h\u0131zl\u0131 analiz imkan\u0131 sunar. Ancak, bu t\u00fcr sistemlerin geli\u015ftirilmesi ve bak\u0131m\u0131, uzmanl\u0131k gerektiren ve \u00f6nemli bir yat\u0131r\u0131m isteyen bir s\u00fcre\u00e7tir.<\/p>\n Taranm\u0131\u015f banka ekstrelerini CSV format\u0131na d\u00f6n\u00fc\u015ft\u00fcrme yolculu\u011funda, Optik Karakter Tan\u0131ma (OCR) teknolojisinin hem g\u00fc\u00e7l\u00fc y\u00f6nlerini hem de s\u0131n\u0131rl\u0131l\u0131klar\u0131n\u0131 g\u00f6rd\u00fck. OCR, g\u00f6r\u00fcnt\u00fclerdeki metni dijital d\u00fcnyaya kazand\u0131rmada \u00f6nemli bir k\u00f6pr\u00fc g\u00f6revi g\u00f6r\u00fcr. Ancak, banka ekstreleri gibi yap\u0131sal olarak karma\u015f\u0131k ve finansal a\u00e7\u0131dan kritik \u00f6neme sahip belgelerde, OCR’nin tek ba\u015f\u0131na yeterli olmad\u0131\u011f\u0131n\u0131 anlad\u0131k. OCR’nin \u00e7\u0131kt\u0131s\u0131, genellikle ham ve i\u015flenmemi\u015f bir veri setidir. Bu veriyi anlaml\u0131 hale getirmek, do\u011frulu\u011funu sa\u011flamak ve nihayetinde bir CSV dosyas\u0131na d\u00f6n\u00fc\u015ft\u00fcrmek i\u00e7in kapsaml\u0131 veri temizleme, do\u011frulama ve yap\u0131land\u0131rma ad\u0131mlar\u0131 gereklidir. Bu ad\u0131mlar, programatik yakla\u015f\u0131mlar, d\u00fczenli ifadeler ve hatta makine \u00f6\u011frenmesi gibi daha geli\u015fmi\u015f teknolojilerle desteklenmelidir. \u00d6zetle, OCR, taranm\u0131\u015f PDF’lerden veri \u00e7\u0131karma s\u00fcrecinin bir par\u00e7as\u0131d\u0131r, ancak nihai \u00e7\u00f6z\u00fcm de\u011fildir. Ba\u015far\u0131l\u0131 bir veri \u00e7\u0131karma s\u00fcreci, OCR’nin yeteneklerini di\u011fer veri i\u015fleme ve analiz ara\u00e7lar\u0131yla birle\u015ftirmeyi gerektirir. Bu sayede, taranm\u0131\u015f belgelerdeki de\u011ferli finansal bilgileri g\u00fcvenilir bir \u015fekilde dijital ortama ta\u015f\u0131yabilir ve i\u015f ak\u0131\u015flar\u0131m\u0131z\u0131 otomatikle\u015ftirebiliriz.<\/p>\n #OCR #Veri\u00c7\u0131karma #PDFtoCSV #FinansTeknolojileri #Otomasyon<\/p>\npandas<\/code> k\u00fct\u00fcphanesi, veri \u00e7er\u00e7eveleri (dataframes) \u00fczerinde \u00e7al\u0131\u015fmak i\u00e7in idealdir. OCR \u00e7\u0131kt\u0131s\u0131 bir metin dosyas\u0131 olarak al\u0131nd\u0131ktan sonra, bu metin sat\u0131r sat\u0131r okunarak bir pandas DataFrame’e y\u00fcklenebilir. Ard\u0131ndan, bu DataFrame \u00fczerinde \u00e7e\u015fitli temizleme i\u015flemleri ger\u00e7ekle\u015ftirilebilir. D\u00fczenli ifadeler (regex) i\u00e7in kullan\u0131lan re<\/code> mod\u00fcl\u00fc, metin i\u00e7indeki belirli desenleri bulmak, de\u011fi\u015ftirmek veya \u00e7\u0131karmak i\u00e7in kullan\u0131l\u0131r. \u00d6rne\u011fin, tarihlerdeki olas\u0131 yanl\u0131\u015f karakterleri d\u00fczeltmek i\u00e7in re.sub()<\/code> fonksiyonu kullan\u0131labilir. Benzer \u015fekilde, tutar alanlar\u0131ndaki para birimi sembollerini veya binlik ay\u0131r\u0131c\u0131lar\u0131 kald\u0131r\u0131p say\u0131sal bir de\u011fere d\u00f6n\u00fc\u015ft\u00fcrmek i\u00e7in de regex desenleri olu\u015fturulabilir. Veri yap\u0131land\u0131rma a\u015famas\u0131nda, DataFrame’in s\u00fctunlar\u0131 tan\u0131mlan\u0131r. \u00d6rne\u011fin, her bir i\u015flem i\u00e7in “Tarih”, “A\u00e7\u0131klama”, “Tutar” gibi s\u00fctunlar olu\u015fturulur. \u0130\u015flem a\u00e7\u0131klamalar\u0131ndaki anahtar kelimelere veya belirli bir desene g\u00f6re veriyi bu s\u00fctunlara atamak i\u00e7in yine regex veya \u00f6zel fonksiyonlar yaz\u0131labilir. \u00d6rne\u011fin, bir a\u00e7\u0131klama “EFT” ile ba\u015fl\u0131yorsa, bu i\u015flemin bir EFT i\u015flemi oldu\u011funu belirten bir s\u00fctun eklenebilir. Bu s\u00fcre\u00e7, ad\u0131m ad\u0131m ilerleyen bir kodlama prati\u011fi gerektirir. \u00d6rne\u011fin, ilk ad\u0131mda sadece tarihleri do\u011fru formatta almak i\u00e7in bir fonksiyon yaz\u0131labilir, ikinci ad\u0131mda tutarlar\u0131 say\u0131sal de\u011fere d\u00f6n\u00fc\u015ft\u00fcrmek i\u00e7in ba\u015fka bir fonksiyon geli\u015ftirilebilir. Bu t\u00fcr mod\u00fcler bir yakla\u015f\u0131m, hem kodun anla\u015f\u0131l\u0131rl\u0131\u011f\u0131n\u0131 art\u0131r\u0131r hem de hata ay\u0131klamay\u0131 kolayla\u015ft\u0131r\u0131r. Sonu\u00e7 olarak, bu programatik temizleme ve yap\u0131land\u0131rma ad\u0131mlar\u0131, ham OCR \u00e7\u0131kt\u0131s\u0131n\u0131, analiz edilmeye haz\u0131r, yap\u0131land\u0131r\u0131lm\u0131\u015f bir CSV dosyas\u0131na d\u00f6n\u00fc\u015ft\u00fcrmeyi hedefler.<\/p>\n\nimport pandas as pd\nimport re\n\n# OCR \u00e7\u0131kt\u0131s\u0131n\u0131 temsil eden \u00f6rnek veri\nocr_output = \"\"\"\n15\/03\/2024 EFT - Musteri A 500.75 TL\n16-03-2024 POS - Magaza B 120.50 TL\n17\/03\/2024 Havale - Musteri C 1000.00 TL\n\"\"\"\n\n# Veriyi sat\u0131rlara ay\u0131r\nlines = ocr_output.strip().split('\\n')\n\ndata = []\nfor line in lines:\n # Tarih, a\u00e7\u0131klama ve tutar\u0131 ay\u0131rmak i\u00e7in regex kullan\n match = re.match(r\"(\\d{2}[-\/]\\d{2}[-\/]\\d{4})\\s+(.*?)\\s+([\\d.,]+)\\s+TL\", line)\n if match:\n date_str = match.group(1)\n description = match.group(2)\n amount_str = match.group(3)\n\n # Tarih format\u0131n\u0131 standartla\u015ft\u0131r\n try:\n date_obj = pd.to_datetime(date_str, format='%d\/%m\/%Y') if '\/' in date_str else pd.to_datetime(date_str, format='%d-%m-%Y')\n except ValueError:\n date_obj = None # Ge\u00e7ersiz tarih\n\n # Tutar format\u0131n\u0131 temizle ve say\u0131ya \u00e7evir\n try:\n amount_str = amount_str.replace('.', '').replace(',', '.') # Nokta binlik, virg\u00fcl ondal\u0131k\n amount = float(amount_str)\n except ValueError:\n amount = None # Ge\u00e7ersiz tutar\n\n data.append([date_obj, description, amount])\n\n# DataFrame olu\u015ftur\ndf = pd.DataFrame(data, columns=['Tarih', 'Aciklama', 'Tutar'])\n\nprint(df)\n <\/code><\/pre>\n<\/p><\/div>\nOCR’nin Yapamad\u0131klar\u0131: Yap\u0131sal Anlama ve Ba\u011flam<\/h2>\n
\u0130leri D\u00fczey: Makine \u00d6\u011frenmesi ile Belge Anlama<\/h3>\n
Sonu\u00e7: OCR Bir Ara\u00e7t\u0131r, Nihai \u00c7\u00f6z\u00fcm De\u011fil<\/h2>\n
S\u0131k\u00e7a Sorulan Sorular<\/h3>\n
\n