Text z digitálního a naskenovaného PDF
Dva soubory PDF mohou vypadat téměř totožně, zatímco jejich stránky jsou uloženy jinak. Jeden může obsahovat volitelné textové symboly; druhý může obsahovat pouze obrázky stránek. Správný textový pracovní tok závisí na tom, co je uvnitř souboru.
Publikováno společností MRKCAL Tools
Zkontrolujte, zda stránka obsahuje skutečný text
Zkuste vybrat větu v prohlížeči PDF. Užitečná textová vrstva vám často umožňuje vybrat slova, i když některé dokumenty stále mají neúplné nebo neobvyklé textové symboly mapování. Stránka, která je pouze skenovaný obrázek, potřebuje rozpoznání z pixelů. Jeden soubor může obsahovat oba typy stránek.
Nejprve extrahujte stávající textovou vrstvu
Vyberte PDF do textu pro digitální dokument. Vyberte stránky, které potřebujete, zkontrolujte výstup a porovnejte ho s původním. Přímý text nezachovává každý tabulek, sloupec nebo vizuální vztah. Stránka bez extrahovaného textu by měla být kontrolována odděleně, nikoli tiše opomenuta z vašeho díla.
Použijte PDF do PNG a OCR pro skenovanou stránku
Pro obrazovou stránku použijte PDF do PNG, abyste získali potřebnou stránku s bílým pozadím. Zkontrolujte text v dostupné rozlišení, pak otevřete PNG ve snímku do textu a vyberte jeho jazyk. PDF do JPG je další možností pro foto-těžké stránky. OCR vytváří oddělený text proofread; nepřidává do původního PDF vyhledatelný vrstvu.
Porovnejte dva originální vývozy slov
a to sample-word-output.pdf Soubor obsahuje obrázky stránek z našeho Microsoft Word do PDF přímé stahování. a to sample-word-print.pdf soubor byl vytvořen pomocí prohlížeče tiskové cesty a obsahuje volitelný text v původním vzorku. Soubory ukazují, proč pouze rozšíření .pdf vám neříká, zda textová extrahace bude fungovat.
Udržujte účel výroby jasný
TXT je užitečné pro vyhledávání, kopírování nebo editaci slov. Nejedná se o konverzi PDF-to-Word. Pokud je extrahovaný text důležitý, zkontrolujte hranice stránky, jména a čísla, uchovávejte původní PDF a použijte pouze dokumenty, které jste oprávněni zpracovat.
Vyzkoušejte vzorky
Tyto původní vzorky byly vytvořeny pro tuto stránku. Stáhněte si kopii a vyzkoušejte související nástroj. Některé vzorky obsahují anglický text, takže stejný vstup lze porovnat přes rozhraní.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Pokračujte souvisejícím nástrojem
Otázka nebo korekce? mrkcal@mrkcal.com