Dijital veya Taranmış PDF'den Metin Çıkarma

Sayfanın gerçek metin içerip içermediğini kontrol edin

PDF görüntüleyicide bir cümle seçmeyi deneyin. Yararlı bir metin katmanı çoğu zaman sözcükleri seçmenize olanak tanır, ancak bazı belgelerde hala eksik veya olağandışı karakter eşlemeleri bulunur. Yalnızca taranmış bir görüntüden oluşan bir sayfanın pikseller tarafından tanınması gerekir. Bir dosya her iki tür sayfayı da içerebilir.

Önce mevcut metin katmanını çıkarın

Dijital bir belge için PDF'den Metne seçeneğini seçin. İhtiyacınız olan sayfaları seçin, çıktıyı inceleyin ve orijinaliyle karşılaştırın. Düz metin her tabloyu, sütunu veya görsel ilişkiyi korumaz. Çıkarılan metni olmayan bir sayfa, çalışmanızdan sessizce çıkarılmak yerine ayrı olarak kontrol edilmelidir.

Taranan sayfalar için OCR görüntüsünü kullan

Yalnızca görüntüden oluşan bir sayfa için, gerekli sayfayı oluşturmak üzere ilk önce PDF ila JPG'yi kullanın. Bu sonucu Resimden Metne'de açın ve metin dilini seçin. Bu manuel sıralama, tanınmadan önce bir sayfayı incelemenizi sağlar. İlk PDF to Text sürümü, OCR taranan sayfaları otomatik olarak yapmaz.

İki orijinal Word dışa aktarımını karşılaştırın

sample-word-output.pdf dosyası, Word'ümüzden PDF'ye doğrudan indirilen sayfa görüntülerini içerir. sample-word-print.pdf dosyası tarayıcı yazdırma yolu kullanılarak oluşturulmuştur ve orijinal örnekte seçilebilir metin içerir. Dosyalar, neden tek başına bir .pdf uzantısının size metin çıkarmanın işe yarayıp yaramayacağını söylemediğini gösteriyor.

Çıktının amacını net tutun

TXT sözcükleri aramak, kopyalamak veya düzenlemek için kullanışlıdır. Bu, düzeni koruyan bir PDF'den Word'e dönüştürme değildir. Çıkarılan metin önemliyse sayfa sınırlarını, adları ve şekilleri inceleyin, orijinal PDF'yi saklayın ve yalnızca işleme yetkisine sahip olduğunuz belgeleri kullanın.

Continue with a related tool