Tekstin poimiminen digitaalisesta ja skannatusta PDF:stä

Tarkista, onko sivulla todellinen teksti

Yritä valita lause PDF-näytössä. Hyödyllinen tekstilaatikko sallii usein valita sanoja, vaikka joillakin asiakirjoilla on edelleen epätäydellisiä tai epätavallisia teksti-symbolin karttauksia. Sivun, joka on vain skannattu kuva, täytyy tunnistaa pixelistä. Tiedosto voi sisältää molempia sivutyyppejä.

Poista olemassa oleva tekstilaatikko ensin

Valitse PDF tekstille digitaaliselle asiakirjalle. Valitse tarvittavat sivut, tarkista tulos ja verrataan se alkuperäiseen. Suora teksti ei säilytä jokaista taulukkoa, sarjaa tai visuaalista suhdetta. Sivua ilman tekstiä on tarkistettava erikseen sen sijaan, että se olisi hiljaisesti jätetty pois työstäsi.

Käytä PDF:tä PNG:lle ja OCR:lle skannattuun sivulle

Kuvien vain sivulle käytä PDF-tiedostoa PNG:ään, jotta tarvittava sivu on valkoinen tausta. Tarkista teksti saatavilla olevassa resoluution, avaa sitten PNG: n Kuvassa tekstiin ja valitse sen kieli. PDF to JPG on toinen vaihtoehto kuvan raskaille sivuille. OCR luo erillisen tekstin proofreadille; se ei lisää etsimää kerrosta alkuperäiseen PDF-tiedostoon.

Vertaa kaksi alkuperäistä Word-eksportia

Se on sample-word-output.pdf tiedosto sisältää sivun kuvia Microsoft Wordista PDF: n suoran latauksen. Se on sample-word-print.pdf tiedosto on tehty käyttämällä selaimen tulostuspolua ja sisältää valitun tekstin alkuperäisessä näytössä. Tiedostot osoittavat, miksi .pdf-laajennus yksin ei kerro sinulle, toimiiko tekstien poisto.

Pidä tuotannon tarkoitus selkeänä

TXT on hyödyllinen hakemaan, kopioimaan tai muokkaamaan sanoja. Se ei ole asetuksen säilyttäminen PDF-to-Word muuntaminen. Jos teksti on tärkeä, tarkista sivun rajat, nimet ja luvut, pidä alkuperäisen PDF: n ja käytä vain asiakirjoja, joilla olet valtuutettu käsitellä.

Jatka liittyvällä työkalulla