Extrair texto de um PDF digital ou digitalizado
Dois PDFs podem parecer quase idênticos enquanto armazenam suas páginas de maneira diferente. Um pode conter caracteres selecionáveis; o outro pode conter apenas imagens de páginas. O fluxo de trabalho correto de extração de texto depende do que está dentro do arquivo.
Verifique se a página contém texto real
Tente selecionar uma frase em um visualizador PDF. Uma camada de texto útil geralmente permite selecionar palavras, embora alguns documentos ainda tenham mapeamentos de caracteres incompletos ou incomuns. Uma página que é apenas uma imagem digitalizada precisa de reconhecimento de pixels. Um arquivo pode conter os dois tipos de página.
Extraia primeiro a camada de texto existente
Escolha PDF como Texto para um documento digital. Selecione as páginas necessárias, inspecione a saída e compare-a com o original. O texto simples não preserva todas as tabelas, colunas ou relacionamentos visuais. Uma página sem texto extraído deve ser verificada separadamente, em vez de omitida silenciosamente do seu trabalho.
Use a imagem OCR para páginas digitalizadas
Para uma página somente imagem, primeiro use PDF a JPG para renderizar a página necessária. Abra esse resultado em Imagem para Texto e escolha o idioma do texto. Esta sequência manual permite revisar uma página antes do reconhecimento. A primeira versão PDF para Texto não digitaliza automaticamente as páginas OCR.
Compare as duas exportações originais do Word
O arquivo sample-word-output.pdf contém imagens de páginas de nosso Word para download direto de PDF. O arquivo sample-word-print.pdf foi criado usando o caminho de impressão do navegador e contém texto selecionável na amostra original. Os arquivos mostram por que uma extensão .pdf por si só não informa se a extração de texto funcionará.
Mantenha claro o propósito da saída
TXT é útil para pesquisar, copiar ou editar palavras. Não é uma conversão de PDF para Word que preserva o layout. Se o texto extraído for importante, revise os limites das páginas, nomes e figuras, mantenha o PDF original e use apenas documentos que você está autorizado a processar.
Experimente as amostras
Estas amostras originais foram criadas para este site. Baixe uma cópia e experimente a ferramenta relacionada. Algumas amostras contêm texto em inglês para que a mesma entrada possa ser comparada entre interfaces.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Continue with a related tool
Dúvidas ou correção? mrkcal@mrkcal.com