Ikke enhver PDF behøver genkendelse. Et digitalt dokument, eller en scanning der allerede er blevet genkendt, kan indeholde et tekstlag, der kan eksporteres direkte. PDF til tekst giver dig det lagrede indhold. Nøglen er at skelne udtrækning fra OCR og gennemgå læserækkefølgen, før du genbruger ordene.
Eksemplet bruger en pakke fra en offentlig workshop med et eksisterende tekstlag. Sammenlign de udtrukne ord med den synlige kilde i stedet for at behandle dette som genkendelse af et billede.
Tjek, om PDF allerede indeholder tekst
Åbn "PDF to Text" og vælg dokumentet. En digital rapport eller en tidligere OCR-behandlet scanning indeholder muligvis allerede de ord, du har brug for.
Hvis filen er en scanning, der kun består af billeder, vil udtrækning ikke skabe tekst fra dens pixels. Brug PDF OCR i stedet for gentagne gange at eksportere et tomt tekstlag.
Vælg siderne og output-arrangementet
Indtast et sideområde, når kun en del af dokumentet er relevant. Vælg én TXT-fil til sammenhængende læsning, eller separate filer til sidebaseret reference.
Sidenumre i et interval refererer til positioner i den indlæste PDF. Et trykt sidenummer kan afvige, når filen indeholder et omslag eller en unummereret introduktion.
Prøv tekstudtrækning før OCR, når PDF har et brugbart tekstlag.
Udtræk og gennemgå ordene
Klik på Start for at udtrække den lagrede tekst. Sammenlign resultatet med den synlige kilde, især hvor siden indeholder kolonner, tabeller eller fodnoter.
Tjek bindestreger ved linjeskift, usædvanlige tegn og vigtige identifikatorer. En tidligere OCR-fejl kan kopieres ind i eksporten lige så let som korrekt digital tekst.
Bevar sidehenvisninger, når du citerer eller tjekker udtrukne passager.
Download teksten og bevar dens kildekontekst
Download TXT eller ZIP-resultatet. For separate filer, brug de sidebaserede filnavne og den inkluderede kombinerede tekst til at holde styr på, hvor passagerne kom fra.
Almindelig tekst er beregnet til genbrug, ikke visuel gengivelse af PDF. Behold kilde-PDF til at tjekke layout eller referencer, og brug OCR kun til sider, hvis billedindhold stadig kræver genkendelse.
Almindelige spørgsmål
Kører PDF til Tekst OCR?
Nej. Den uddrager den tekst, der allerede er gemt i PDF. Sider, der kun består af billeder, kræver PDF OCR.
Hvorfor er tekstens rækkefølge anderledes end på siden?
PDF-tekst kan gemmes som placerede stykker. Kolonner, tabeller, fodnoter og usædvanlige skrifttype-mappings kan producere en rækkefølge, der skal gennemgås i almindelig tekst.
Hvad er der inde i ZIP-filen med separate filer?
Den indeholder en tekstfil for hver valgt side og en samlet tekstfil. Filerne bruger UTF-8-tekst.
Kan uddragning rette fejl fra et ældre OCR-lag?
Nej. Eksisterende tekstfejl kan kopieres ind i eksporten. Sammenlign vigtig ordlyd med den synlige kilde og ret den før genbrug.
Forbered dit næste dokument med PDF til tekst.
Prøv tekstudtrækning før OCR, når PDF har et brugbart tekstlag.
