Trích xuất văn bản từ PDF kỹ thuật số hoặc được quét
Hai PDF có thể trông gần giống nhau trong khi lưu trữ các trang của chúng theo cách khác nhau. Một cái có thể chứa các ký tự có thể lựa chọn; cái còn lại có thể chỉ chứa hình ảnh trang. Quy trình trích xuất văn bản chính xác phụ thuộc vào nội dung bên trong tệp.
Được xuất bản bởi MRKCAL Tools
Kiểm tra xem trang có chứa văn bản thực không
Thử chọn một câu trong trình xem PDF. Lớp văn bản hữu ích thường cho phép bạn chọn các từ, mặc dù một số tài liệu vẫn có ánh xạ ký tự không đầy đủ hoặc bất thường. Một trang chỉ là hình ảnh được quét cần được nhận dạng từ pixel. Một tập tin có thể chứa cả hai loại trang.
Trước tiên hãy trích xuất lớp văn bản hiện có
Chọn PDF để nhắn tin cho tài liệu kỹ thuật số. Chọn các trang bạn cần, kiểm tra đầu ra và so sánh nó với bản gốc. Văn bản thuần túy không bảo toàn mọi mối quan hệ bảng, cột hoặc hình ảnh. Một trang không có văn bản được trích xuất phải được kiểm tra riêng thay vì âm thầm bỏ qua khỏi tác phẩm của bạn.
Sử dụng hình ảnh OCR cho các trang được quét
Đối với trang chỉ có hình ảnh, trước tiên hãy sử dụng PDF đến JPG để hiển thị trang cần thiết. Mở kết quả đó trong Image to Text và chọn ngôn ngữ văn bản. Trình tự thủ công này cho phép bạn xem lại một trang trước khi nhận dạng. Bản phát hành PDF sang Văn bản đầu tiên không tự động quét các trang OCR.
So sánh hai bản xuất Word gốc
Tệp sample-word-output.pdf chứa hình ảnh trang từ bản tải xuống trực tiếp từ Word sang PDF của chúng tôi. Tệp sample-word-print.pdf được tạo bằng đường dẫn in của trình duyệt và chứa văn bản có thể chọn trong mẫu ban đầu. Các tệp này cho biết lý do tại sao chỉ riêng phần mở rộng .pdf không cho bạn biết liệu việc trích xuất văn bản có hoạt động hay không.
Giữ mục đích đầu ra rõ ràng
TXT rất hữu ích cho việc tìm kiếm, sao chép hoặc chỉnh sửa từ. Nó không phải là một chuyển đổi PDF-sang-Word bảo toàn bố cục. Nếu văn bản được trích xuất là quan trọng, hãy xem lại ranh giới trang, tên và số liệu, giữ nguyên PDF ban đầu và chỉ sử dụng các tài liệu mà bạn được phép xử lý.
Dùng thử các mẫu
Những mẫu ban đầu này được tạo cho trang web này. Tải xuống một bản sao và thử công cụ liên quan. Một số mẫu chứa văn bản tiếng Anh để có thể so sánh cùng một đầu vào trên các giao diện.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Continue with a related tool
Thắc mắc hay đính chính? mrkcal@mrkcal.com