Extraer texto de un PDF digital o escaneado
Dos PDF pueden verse casi idénticos y almacenar sus páginas de manera diferente. Uno puede contener caracteres seleccionables; el otro puede contener solo imágenes de páginas. El flujo de trabajo de extracción de texto correcto depende de lo que haya dentro del archivo.
Comprobar si la página contiene texto real
Intente seleccionar una frase en un visor PDF. Una capa de texto útil a menudo le permite seleccionar palabras, aunque algunos documentos todavía tienen asignaciones de caracteres incompletas o inusuales. Una página que es solo una imagen escaneada necesita reconocimiento a partir de píxeles. Un archivo puede contener ambos tipos de páginas.
Extraiga primero la capa de texto existente
Elija PDF como Texto para un documento digital. Seleccione las páginas que necesita, inspeccione el resultado y compárelo con el original. El texto sin formato no conserva todas las tablas, columnas o relaciones visuales. Una página sin texto extraído debe revisarse por separado en lugar de omitirse silenciosamente de su trabajo.
Utilice la imagen OCR para páginas escaneadas
Para una página de solo imagen, primero use PDF a JPG para representar la página necesaria. Abra ese resultado en Imagen a texto y elija el idioma del texto. Esta secuencia manual le permite revisar una página antes del reconocimiento. La primera versión del PDF to Text no escanea automáticamente las páginas del OCR.
Compara las dos exportaciones originales de Word
El archivo sample-word-output.pdf contiene imágenes de páginas de nuestra descarga directa de Word a PDF. El archivo sample-word-print.pdf se creó utilizando la ruta de impresión del navegador y contiene texto seleccionable en la muestra original. Los archivos muestran por qué una extensión .pdf por sí sola no indica si la extracción de texto funcionará.
Mantenga claro el propósito de la salida
TXT es útil para buscar, copiar o editar palabras. No es una conversión de PDF a Word que conserva el diseño. Si el texto extraído es importante, revise los límites de las páginas, los nombres y las figuras, conserve el PDF original y utilice únicamente documentos que esté autorizado a procesar.
Pruebe las muestras
Estas muestras originales se crearon para este sitio. Descargue una copia y pruebe la herramienta relacionada. Algunas muestras contienen texto en inglés para que se pueda comparar la misma entrada en todas las interfaces.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Continue with a related tool
¿Preguntas o una corrección? mrkcal@mrkcal.com