Текст із цифрового та сканованого PDF
Дві PDF-файли можуть виглядати майже однаково, зберігаючи свої сторінки по-різному. Один може містити вибіркові текстові символи; інший може містити тільки сторінкові зображення. Правильний робочий потік тексту-витягування залежить від того, що знаходиться всередині файлу.
Перевірте, чи містить сторінка справжній текст
Спробуйте вибрати фразу в перегляді PDF. Корисний текстовий шар часто дозволяє вибирати слова, хоча деякі документи все ще мають неповний або незвичайні текстові символи. Сторінка, яка є лише сканованим зображенням, потребує розпізнавання з пікселів. Один файл може містити обидві типи сторінки.
Перш за все, витягніть існуючий текст
Виберіть PDF до тексту для цифрового документа. Виберіть потрібні вам сторінки, перевіряйте вихід і порівнюйте його з оригінальним. Прямий текст не зберігає кожну таблицю, колонку або візуальний зв'язок. Сторінка без витягнутого тексту повинна перевірятися окремо, а не тихо відмовлятися від вашої роботи.
Використовуйте PDF до PNG і OCR для сканованої сторінки
Для сторінки зображення, використовуйте PDF до PNG, щоб зробити потрібну сторінку з білим фоном. Перевірте текст на доступній розділі, потім відкрийте PNG в зображенні до тексту і виберіть його мову. PDF до JPG - це інший варіант для фото-важких сторінок. OCR створює окремий текст для профреду; він не додає пошукового шару до оригінального PDF.
Порівняйте дві оригінальні експорти слова
У тому числі sample-word-output.pdf Файл містить сторінкові зображення з нашого Microsoft Word до PDF прямого завантаження. У тому числі sample-word-print.pdf Файл був зроблений за допомогою браузера друкованого шляху і містить вибірковий текст в оригінальному зразку. Файли показують, чому тільки розширення .pdf не говорить вам про те, чи працюватиме текстовий екстракт.
Зберігайте чітку мету виробництва
TXT корисний для пошуку, копіювання або редагування слів. Це не конвертація PDF-на-Word, що зберігає розклад. Якщо витягнутий текст важливий, перегляньте межі сторінки, імена та цифри, зберігайте оригінальний PDF і використовуйте тільки документи, які вам дозволено обробляти.
Спробуйте зразки
Ці оригінальні зразки були створені для цього сайту. Завантажити копію і спробувати пов'язаний інструмент. Деякі зразки містять англійський текст, так що один і той же вхід можна порівняти на інтерфейсах.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Продовжити з пов’язаним інструментом
Питання чи корекція? mrkcal@mrkcal.com