Izluščenje besedila iz digitalnega in skeniranega PDF-ja
Dve PDF-ji lahko vidijo skoraj enako, medtem ko shranjujejo svoje strani drugače. Eden lahko vsebuje izbrane besedilne simbole; drugi lahko vsebuje le slike strani. Pravilni delovni tok izločanja besedila je odvisen od tega, kaj je znotraj datoteke.
Preverite, ali stran vsebuje resnično besedilo
Poskusite izbrati stavek v PDF-ovem brskalniku. Uporabna plast besedila vam pogosto omogoča, da izberete besede, čeprav imajo nekateri dokumenti še vedno nepopolne ali nenavadne besedilne simbole mapiranje. Stran, ki je le skenirana slika, potrebuje prepoznavanje iz pikselov. Ena datoteka lahko vsebuje obe vrsti strani.
Najprej izločite obstoječi tekstovni sloj
Izberite PDF v besedilo za digitalni dokument. Izberite strani, ki jih potrebujete, preverite izhod in ga primerjate z izvirnim. Enostavno besedilo ne ohranja vsake tabele, stolpcev ali vizualnih razmerij. Stran brez izvlečene besedila je treba preveriti ločeno, namesto da bi jo tiho zamudili iz vaše dela.
Uporabite PDF v PNG in OCR za skenirano stran
Za sliko-samo stran, uporabite PDF v PNG za prikaz potrebne strani z belim ozadjem. Preverite besedilo na razpoložljivi ločljivosti, nato odprite PNG v sliki za besedilo in izberite njegov jezik. PDF do JPG je še ena možnost za fotografije težke strani. OCR ustvari ločeno besedilo za proofread; ne doda iskalnega sloja izvirnemu PDF-ju.
Primerjajte dve izvirni besedni izvoz
ki je sample-word-output.pdf datoteka vsebuje slike strani iz našega Microsoft Word v PDF neposredno prenos. ki je sample-word-print.pdf datoteka je bila narejena s pomočjo brskalnika tiskanje pot in vsebuje izbrano besedilo v izvirni vzorec. Datoteke kažejo, zakaj samo razširitev .pdf vam ne pove, ali bo besedilna ekstrakcija delovala.
Upoštevajte, da je cilj proizvodnje jasen
TXT je uporaben za iskanje, kopiranje ali urejanje besed. To ni shranjevanje postavitve PDF-to-Word pretvorba. Če je izveden besedilo pomembno, pregledajte meje strani, imena in številke, ohranite izvirno PDF in uporabite le dokumente, ki jih imate pooblastilo za obdelavo.
Poskusite vzorce
Ti izvirni vzorci so bili ustvarjeni za to spletno stran. Prenesite kopijo in poskusite povezano orodje. Nekateri vzorci vsebujejo angleško besedilo, tako da je enak vnos primerljiv med vmesniki.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Nadaljujte s povezanim orodjem
Vprašanja ali korekcija? mrkcal@mrkcal.com