استخراج النص من PDF الرقمي أو الممسوح ضوئيًا
يمكن أن يبدو اثنان من PDF متطابقين تقريبًا أثناء تخزين صفحاتهما بشكل مختلف. قد يحتوي أحدهما على أحرف قابلة للتحديد؛ قد يحتوي الآخر على صور الصفحة فقط. يعتمد سير العمل الصحيح لاستخراج النص على ما هو موجود داخل الملف.
تحقق مما إذا كانت الصفحة تحتوي على نص حقيقي
حاول تحديد جملة في عارض PDF. غالبًا ما تتيح لك طبقة النص المفيدة تحديد الكلمات، على الرغم من أن بعض المستندات لا تزال تحتوي على تعيينات أحرف غير مكتملة أو غير عادية. تحتاج الصفحة التي تكون مجرد صورة ممسوحة ضوئيًا إلى التعرف على وحدات البكسل. يمكن أن يحتوي ملف واحد على كلا النوعين من الصفحات.
قم باستخراج طبقة النص الموجودة أولا
اختر PDF للنص للمستند الرقمي. حدد الصفحات التي تحتاجها، وافحص المخرجات وقارنها بالأصل. لا يحتفظ النص العادي بكل جدول أو عمود أو علاقة مرئية. يجب فحص الصفحة التي لا تحتوي على نص مستخرج بشكل منفصل بدلاً من حذفها بصمت من عملك.
استخدم الصورة OCR للصفحات الممسوحة ضوئيًا
بالنسبة لصفحة الصورة فقط، استخدم أولاً PDF إلى JPG لعرض الصفحة المطلوبة. افتح هذه النتيجة في Image to Text واختر لغة النص. يتيح لك هذا التسلسل اليدوي مراجعة الصفحة قبل التعرف عليها. لا يقوم الإصدار الأول من PDF إلى نص بمسح الصفحات الممسوحة ضوئيًا تلقائيًا من OCR.
قارن بين تصديري Word الأصليين
يحتوي ملف sample-word-output.pdf على صور صفحة من تنزيل Word إلى PDF المباشر. تم إنشاء الملف sample-word-print.pdf باستخدام مسار طباعة المتصفح ويحتوي على نص يمكن تحديده في العينة الأصلية. توضح الملفات لماذا لا يخبرك امتداد .pdf وحده ما إذا كان استخراج النص سيعمل أم لا.
حافظ على وضوح غرض المخرجات
TXT مفيد للبحث عن الكلمات أو نسخها أو تحريرها. إنه ليس تحويل PDF إلى Word للحفاظ على التخطيط. إذا كان النص المستخرج مهمًا، فراجع حدود الصفحة والأسماء والأرقام، واحتفظ بنسخة PDF الأصلية، واستخدم فقط المستندات المصرح لك بمعالجتها.
جرب العينات
تم إنشاء هذه العينات الأصلية لهذا الموقع. قم بتنزيل نسخة وجرب الأداة ذات الصلة. تحتوي بعض العينات على نص باللغة الإنجليزية بحيث يمكن مقارنة نفس الإدخال عبر الواجهات.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Continue with a related tool
سؤال أم تصحيح؟ mrkcal@mrkcal.com