Teksta izvilkšana no digitāla un skenēta PDF
Divas PDF var izskatīties gandrīz identiskas, saglabājot savas lapas atšķirīgi. Viens var saturēt atlasītus teksta simboliem; otrs var saturēt tikai lapas attēlus. Pareiza teksta ekstrakcijas darba plūsma ir atkarīga no tā, kas atrodas faila iekšienē.
Pārbaudiet, vai lapā ir reāls teksts
Mēģiniet izvēlēties teikumu PDF skatītājā. Noderīgs teksta slānis bieži ļauj izvēlēties vārdus, lai gan daži dokumenti joprojām ir nepilnīgi vai neparasti teksta simbolu kartēšana. Tīmekļa vietnei, kas ir tikai skenēta attēla, nepieciešama atpazīšana no pikseliem. Viena faila var saturēt abus veidu lapas.
Vispirms izrakstīt esošo teksta slānis
Izvēlieties PDF uz Tekstu digitālajam dokumentam. Izvēlieties lapus, kurus jums nepieciešams, pārbaudiet iznākumu un salīdziniet to ar oriģinālu. Plašais teksts neuzglabā katru tabulu, kolonnu vai vizuālo attiecību. Tīmekļa vietne bez izņemta teksta būtu jāpārbauda atsevišķi, nevis klusumā jāizslēdz no jūsu darba.
Izmantojiet PDF līdz PNG un OCR skenētai lapai
Attēla vienīgā lapa, izmantojot PDF uz PNG, lai sniegtu nepieciešamo lapu ar baltu fonu. Pārbaudiet tekstu pieejamā izšķirtspējā, pēc tam atverat attēla uz teksta PNG un izvēlieties tās valodu. PDF līdz JPG ir vēl viena iespēja foto-grūtām lapām. OCR izveido atsevišķu tekstu, lai proofread; tas neiekļauj meklējamu slānis oriģinālā PDF.
Salīdziniet divus oriģinālus vārda eksportus
Tās sample-word-output.pdf fails satur lapas attēlus no mūsu Microsoft Word uz PDF tiešā lejupielādē. Tās sample-word-print.pdf fails tika izveidots, izmantojot pārlūkprogrammas drukāšanas ceļu un satur atlases tekstu sākotnējā paraugā. Sīkdatnes rāda, kāpēc tikai .pdf paplašinājums nesaka jums, vai teksta ekstrakcija darbosies.
Saglabājiet produkcijas mērķi skaidri
TXT ir noderīgs, lai meklētu, kopētu vai rediģētu vārdus. Tas nav PDF-to-Word konversija, kas saglabā izkārtojumu. Ja iegūtais teksts ir svarīgs, pārskatiet lapas robežas, vārdus un skaitļus, saglabājiet oriģinālu PDF un izmantojiet tikai dokumentus, kurus jūs esat pilnvarots apstrādāt.
Izmēģiniet paraugus
Šie oriģināli paraugi tika izveidoti šim tīmekļa vietnei. Lejupielādēt kopiju un izmēģināt saistīto rīku. Daži paraugi satur angļu tekstu, lai to pašu ievadījumu varētu salīdzināt starp saskarnēm.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Turpiniet ar saistītu rīku
Jautājumi vai korekcija? mrkcal@mrkcal.com