디지털 또는 스캔된 PDF에서 텍스트 추출
두 개의 PDF는 페이지를 다르게 저장하면서 거의 동일하게 보일 수 있습니다. 하나는 선택 가능한 문자를 포함할 수 있습니다. 다른 하나는 페이지 이미지만 포함할 수 있습니다. 올바른 텍스트 추출 작업 흐름은 파일 내부 내용에 따라 다릅니다.
페이지에 실제 텍스트가 포함되어 있는지 확인하세요.
PDF 뷰어에서 문장을 선택해보세요. 일부 문서에는 여전히 불완전하거나 비정상적인 문자 매핑이 있지만 유용한 텍스트 레이어를 사용하면 단어를 선택할 수 있는 경우가 많습니다. 스캔한 이미지만 있는 페이지는 픽셀 인식이 필요합니다. 하나의 파일에 두 종류의 페이지가 모두 포함될 수 있습니다.
기존 텍스트 레이어를 먼저 추출합니다
디지털 문서의 경우 텍스트로 PDF를 선택하세요. 필요한 페이지를 선택하고 출력물을 검사한 후 원본과 비교하십시오. 일반 텍스트는 모든 테이블, 열 또는 시각적 관계를 유지하지 않습니다. 추출된 텍스트가 없는 페이지는 작업에서 조용히 생략하기보다는 별도로 확인해야 합니다.
스캔한 페이지에 이미지 OCR 사용
이미지 전용 페이지의 경우 먼저 PDF ~ JPG를 사용하여 필요한 페이지를 렌더링합니다. Image to Text에서 해당 결과를 열고 텍스트 언어를 선택하십시오. 이 수동 시퀀스를 사용하면 인식하기 전에 페이지를 검토할 수 있습니다. 첫 번째 PDF에서 텍스트로 릴리스되면 OCR 스캔 페이지가 자동으로 생성되지 않습니다.
두 개의 원본 Word 내보내기 비교
sample-word-output.pdf 파일에는 Word에서 PDF 직접 다운로드까지의 페이지 이미지가 포함되어 있습니다. sample-word-print.pdf 파일은 브라우저 인쇄 경로를 사용하여 만들어졌으며 원본 샘플에서 선택 가능한 텍스트를 포함합니다. 파일은 .pdf 확장자만으로는 텍스트 추출이 작동하는지 여부를 알 수 없는 이유를 보여줍니다.
출력의 목적을 명확하게 유지하세요
TXT는 단어 검색, 복사, 편집에 유용합니다. 이는 레이아웃을 유지하는 PDF에서 Word로의 변환이 아닙니다. 추출된 텍스트가 중요한 경우 페이지 경계, 이름 및 그림을 검토하고 원본 PDF를 유지하며 처리 권한이 있는 문서만 사용하십시오.
샘플을 사용해 보세요
이러한 원본 샘플은 이 사이트를 위해 생성되었습니다. 사본을 다운로드하고 관련 도구를 사용해 보십시오. 일부 샘플에는 영어 텍스트가 포함되어 있어 인터페이스 전체에서 동일한 입력을 비교할 수 있습니다.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Continue with a related tool
질문이나 수정사항이 있으신가요? mrkcal@mrkcal.com