Εξαγωγή κειμένου από ψηφιακό και σαρωμένο PDF
Δύο PDFs μπορεί να φαίνονται σχεδόν ταυτόσημα ενώ αποθηκεύουν τις σελίδες τους διαφορετικά. Ένα μπορεί να περιέχει επιλεγμένα συμβόλαια κειμένου, ενώ το άλλο μπορεί να περιλαμβάνει μόνο εικόνες σελίδων. Η σωστή ροή εργασίας εξαγωγής κειμένου εξαρτάται από το τι βρίσκεται στο εσωτερικό του αρχείου.
Ελέγξτε αν η σελίδα περιέχει πραγματικό κείμενο
Προσπαθήστε να επιλέξετε μια φράση σε έναν προβολέα PDF. Ένα χρήσιμο στρώμα κειμένου συχνά σας επιτρέπει να επιλέξετε λέξεις, αν και ορισμένα έγγραφα εξακολουθούν να έχουν ατελείωτες ή ασυνήθιστες χαρτογράφηση συμβόλων κειμένου. Μια σελίδα που είναι μόνο μια σαρωμένη εικόνα χρειάζεται αναγνώριση από pixels. Ένα αρχείο μπορεί να περιέχει και τα δύο είδη σελίδων.
Πρώτον, αφαιρέστε το υπάρχον στρώμα κειμένου
Επιλέξτε το PDF στο κείμενο για ένα ψηφιακό έγγραφο. Επιλέξτε τις σελίδες που χρειάζεστε, ελέγξτε την παραγωγή και συγκρίνετε με την αρχική. Το απλό κείμενο δεν διατηρεί κάθε πίνακα, στήλη ή οπτική σχέση. Μια σελίδα χωρίς εκχύλισμα κειμένου θα πρέπει να ελέγχεται ξεχωριστά αντί να παραλείπεται σιωπηλά από το έργο σας.
Χρησιμοποιήστε PDF σε PNG και OCR για μια σάρωση σελίδας
Για μια σελίδα μόνο εικόνας, χρησιμοποιήστε το PDF στο PNG για να παραδώσετε την απαραίτητη σελίδα με ένα λευκό υπόβαθρο. Ελέγξτε το κείμενο σε διαθέσιμη ανάλυση, ανοίξτε στη συνέχεια το PNG στο Image to Text και επιλέξτε τη γλώσσα του. Το PDF to JPG είναι μια άλλη επιλογή για φωτογραφικά βαριά σελίδες. Το OCR δημιουργεί ξεχωριστό κείμενο για να proofread. δεν προσθέτει ένα εύρετο στρώμα στο αρχικό PDF.
Συγκρίνετε τις δύο αρχικές εξαγωγές Λόγου
Η sample-word-output.pdf Το αρχείο περιέχει εικόνες σελίδων από το Microsoft Word στο PDF για άμεση λήψη. Η sample-word-print.pdf Το αρχείο δημιουργήθηκε χρησιμοποιώντας τη διαδρομή εκτύπωσης του προγράμματος περιήγησης και περιέχει επιλεκτικό κείμενο στο πρωτότυπο δείγμα. Τα αρχεία δείχνουν γιατί μόνο μια επέκταση .pdf δεν σας λέει αν η εκχύλιση κειμένου θα λειτουργήσει.
Κρατήστε τον σκοπό της παραγωγής σαφές
Το TXT είναι χρήσιμο για την αναζήτηση, αντιγραφή ή επεξεργασία λέξεων. Δεν είναι μια διατήρηση διάταξης μετατροπής PDF-to-Word. Εάν το κείμενο είναι σημαντικό, αναθεωρήστε τα όρια της σελίδας, τα ονόματα και τους αριθμούς, διατηρήστε το αρχικό PDF και χρησιμοποιήστε μόνο έγγραφα που έχετε εξουσιοδοτηθεί να επεξεργαστείτε.
Δοκιμάστε τα δείγματα
Αυτά τα πρωτότυπα δείγματα δημιουργήθηκαν για αυτό το site. Κατεβάστε ένα αντίγραφο και δοκιμάστε το σχετικό εργαλείο. Ορισμένα δείγματα περιέχουν αγγλικό κείμενο, έτσι ώστε η ίδια εισαγωγή να μπορεί να συγκριθεί σε διεπαφές.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Συνεχίστε με ένα σχετικό εργαλείο
Ερωτήσεις ή διορθώσεις; mrkcal@mrkcal.com