Teksto išgavimas iš skaitmeninio ir nuskaityto PDF
Du PDF dokumentai gali atrodyti beveik identiški, o jų puslapiai saugomi skirtingai. Vienoje gali būti pasirinktinų teksto simbolių; kitame gali būti tik puslapio vaizdai. Teisingas teksto ekstrakcijos darbo srautas priklauso nuo to, kas yra failo viduje.
Patikrinkite, ar puslapyje yra tikro teksto
Pabandykite pasirinkti frazę PDF žiūrėjoje. Naudingas teksto sluoksnis dažnai leidžia jums pasirinkti žodžius, nors kai kurie dokumentai vis dar turi nepilną ar neįprastą tekstinio simbolio žemėlapius. Puslapis, kuris yra tik skenuojamas vaizdas, turi atpažinti iš pikselių. Vienas failas gali turėti abiejų tipų puslapius.
Pirmiausia išimkite esamą teksto sluoksnį
Pasirinkite PDF tekstą skaitmeniniam dokumentui. Pasirinkite jums reikalingus puslapius, patikrinkite išleidimą ir palyginkite jį su originalu. Paprastas tekstas neapsaugo kiekvienos lentelės, stulpelio ar vizualinių santykių. Puslapis be išimto teksto turėtų būti tikrinamas atskirai, o ne tyliai pamirštas iš jūsų darbo.
Naudokite PDF į PNG ir OCR skanytą puslapį
Jei puslapis yra tik nuotrauka, naudokite PDF į PNG, kad pageidaujama puslapis būtų balta fone. Patikrinkite tekstą prieinama rezoliucija, tada atidarykite PNG vaizdo į tekstą ir pasirinkite jo kalbą. PDF į JPG yra dar viena galimybė nuotraukoms sunkiems puslapiams. OCR sukuria atskirą tekstą proofread; ji ne prideda paieškos sluoksnį prie originalaus PDF.
Palyginkite du originalius žodžio eksporto rodiklius
Tą sample-word-output.pdf Failas turi puslapių vaizdus iš mūsų "Microsoft Word" į PDF tiesioginio atsisiuntimo. Tą sample-word-print.pdf failas buvo sukurtas naudojant naršyklės spausdinimo kelią ir turi pasirinktinį tekstą originaliame mėginyje. Failai rodo, kodėl vien .pdf plėtinys nesako jums, ar teksto ekstrakcija veikia.
Atkreipkite dėmesį į produkcijos tikslą
TXT yra naudingas paieškos, kopijos ar redakcijos žodžiais. Tai nėra išsaugojantis dizainas PDF-to-Word konvertavimas. Jei išvestas tekstas yra svarbus, peržiūrėkite puslapio ribas, vardus ir figūras, saugokite originalų PDF ir naudokite tik dokumentus, kuriuos įgaliojate apdoroti.
Išbandykite pavyzdžius
Šie originalūs pavyzdžiai buvo sukurti šiai svetainei. Atsisiųskite kopiją ir išbandykite susijusią įrankį. Kai kurie pavyzdžiai turi anglų kalbos tekstą, kad tas pats įvedimas galėtų būti palyginamas per sąsajas.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Tęskite naudodami susijusį įrankį
Klausimai ar korekcija? mrkcal@mrkcal.com