Tekst extraheren uit een digitale of gescande PDF
Twee PDF's kunnen er vrijwel identiek uitzien, maar hun pagina's anders opslaan. Eén ervan kan selecteerbare karakters bevatten; de andere mag alleen pagina-afbeeldingen bevatten. De juiste workflow voor het extraheren van tekst is afhankelijk van wat er in het bestand staat.
Gepubliceerd door MRKCAL Tools
Controleer of de pagina echte tekst bevat
Probeer een zin te selecteren in een PDF-viewer. Met een handige tekstlaag kunt u vaak woorden selecteren, hoewel sommige documenten nog steeds onvolledige of ongebruikelijke karaktertoewijzingen hebben. Een pagina die slechts een gescande afbeelding is, heeft herkenning door pixels nodig. Eén bestand kan beide soorten pagina's bevatten.
Extraheer eerst de bestaande tekstlaag
Kies PDF naar tekst voor een digitaal document. Selecteer de pagina's die u nodig heeft, inspecteer de uitvoer en vergelijk deze met het origineel. Platte tekst behoudt niet elke tabel, kolom of visuele relatie. Een pagina zonder geëxtraheerde tekst moet afzonderlijk worden gecontroleerd en niet stilletjes uit uw werk worden weggelaten.
Gebruik afbeelding OCR voor gescande pagina's
Voor een pagina met alleen afbeeldingen gebruikt u eerst PDF tot JPG om de benodigde pagina weer te geven. Open dat resultaat in Afbeelding naar tekst en kies de teksttaal. Met deze handmatige reeks kunt u een pagina bekijken voordat deze wordt herkend. Bij de eerste PDF naar tekst-uitgave worden OCR-pagina's niet automatisch gescand.
Vergelijk de twee originele Word-exports
Het sample-word-output.pdf-bestand bevat pagina-afbeeldingen van onze Word naar PDF directe download. Het sample-word-print.pdf-bestand is gemaakt met behulp van het browserafdrukpad en bevat selecteerbare tekst in het originele voorbeeld. De bestanden laten zien waarom alleen een .pdf-extensie u niet vertelt of tekstextractie zal werken.
Houd het doel van de uitvoer duidelijk
TXT is handig voor het zoeken, kopiëren of bewerken van woorden. Het is geen PDF-naar-Word-conversie met behoud van de lay-out. Als de geëxtraheerde tekst belangrijk is, controleer dan de paginagrenzen, namen en cijfers, bewaar de originele PDF en gebruik alleen documenten die u mag verwerken.
Probeer de monsters
Deze originele voorbeelden zijn voor deze site gemaakt. Download een exemplaar en probeer de bijbehorende tool. Sommige voorbeelden bevatten Engelse tekst, zodat dezelfde invoer tussen verschillende interfaces kan worden vergeleken.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Continue with a related tool
Vragen of een correctie? mrkcal@mrkcal.com