Δεν χρειάζεται κάθε PDF αναγνώριση. Ένα ψηφιακό έγγραφο ή μια σάρωση που έχει ήδη αναγνωριστεί μπορεί να περιέχει ένα επίπεδο κειμένου που μπορεί να εξαχθεί απευθείας. Το PDF σε Κείμενο σας δίνει αυτό το αποθηκευμένο περιεχόμενο. Το κλειδί είναι να διακρίνετε την εξαγωγή από το OCR και να ελέγξετε τη σειρά ανάγνωσης πριν επαναχρησιμοποιήσετε τις λέξεις.
Το παράδειγμα χρησιμοποιεί ένα πακέτο δημόσιου εργαστηρίου με υπάρχον επίπεδο κειμένου. Συγκρίνετε τις εξαχθείσες λέξεις με την ορατή πηγή, αντί να το αντιμετωπίζετε ως αναγνώριση εικόνας.
Ελέγξτε αν το PDF περιέχει ήδη κείμενο
Ανοίξτε το PDF σε Κείμενο και επιλέξτε το έγγραφο. Μια ψηφιακή αναφορά ή μια σάρωση που έχει υποστεί προηγουμένως επεξεργασία OCR μπορεί να περιέχει ήδη τις λέξεις που χρειάζεστε.
Εάν το αρχείο είναι σάρωση μόνο εικόνας, η εξαγωγή δεν θα δημιουργήσει κείμενο από τα pixel του. Χρησιμοποιήστε PDF OCR αντί να εξάγετε επανειλημμένα ένα κενό επίπεδο κειμένου.
Επιλέξτε τις σελίδες και τη διάταξη εξόδου
Εισαγάγετε ένα εύρος σελίδων όταν μόνο ένα μέρος του εγγράφου είναι σχετικό. Επιλέξτε ένα αρχείο TXT για συνεχή ανάγνωση ή ξεχωριστά αρχεία για αναφορά ανά σελίδα.
Οι αριθμοί σελίδων σε ένα εύρος αναφέρονται σε θέσεις στο φορτωμένο PDF. Ένας εκτυπωμένος αριθμός σελίδας μπορεί να διαφέρει όταν το αρχείο περιλαμβάνει εξώφυλλο ή μια μη αριθμημένη εισαγωγή.
Δοκιμάστε την εξαγωγή κειμένου πριν από το OCR όταν το PDF διαθέτει επίπεδο κειμένου που μπορεί να χρησιμοποιηθεί.
Εξαγωγή και έλεγχος των λέξεων
Κάντε κλικ στην Έναρξη για να εξαγάγετε το αποθηκευμένο κείμενο. Συγκρίνετε το αποτέλεσμα με την ορατή πηγή, ιδιαίτερα όπου η σελίδα περιέχει στήλες, πίνακες ή υποσημειώσεις.
Ελέγξτε τις παύλες στο τέλος της γραμμής, τους ασυνήθιστους χαρακτήρες και τα σημαντικά αναγνωριστικά. Ένα προηγούμενο σφάλμα OCR μπορεί να αντιγραφεί στην εξαγωγή εξίσου εύκολα με το σωστό ψηφιακό κείμενο.
Διατηρήστε τις αναφορές σελίδων κατά την παράθεση ή τον έλεγχο αποσπασμάτων που έχουν εξαχθεί.
Κατεβάστε το κείμενο και διατηρήστε το πλαίσιο προέλευσής του
Κατεβάστε το αποτέλεσμα TXT ή ZIP. Για ξεχωριστά αρχεία, χρησιμοποιήστε τα ονόματα αρχείων βάσει σελίδας και το συμπεριλαμβανόμενο συνδυασμένο κείμενο για να παρακολουθείτε από πού προήλθαν τα αποσπάσματα.
Το απλό κείμενο προορίζεται για επαναχρησιμοποίηση, όχι για οπτική αναπαραγωγή του PDF. Διατηρήστε την πηγή PDF για τον έλεγχο της διάταξης ή των αναφορών και χρησιμοποιήστε το OCR μόνο για σελίδες των οποίων το περιεχόμενο εικόνας χρειάζεται ακόμα αναγνώριση.
Συχνές ερωτήσεις
Το PDF σε Κείμενο εκτελεί OCR;
Όχι. Εξάγει το κείμενο που είναι ήδη αποθηκευμένο στο PDF. Οι σελίδες που αποτελούνται μόνο από εικόνες χρειάζονται PDF OCR.
Γιατί η σειρά του κειμένου είναι διαφορετική από τη σελίδα;
Το κείμενο PDF μπορεί να αποθηκευτεί ως τοποθετημένα κομμάτια. Στήλες, πίνακες, υποσημειώσεις και ασυνήθιστες αντιστοιχίσεις γραμματοσειρών μπορεί να παράγουν μια σειρά που χρειάζεται έλεγχο σε απλό κείμενο.
Τι περιλαμβάνεται στο ZIP με ξεχωριστά αρχεία;
Περιέχει ένα αρχείο κειμένου για κάθε επιλεγμένη σελίδα και ένα συνδυασμένο αρχείο κειμένου. Τα αρχεία χρησιμοποιούν κείμενο UTF-8.
Μπορεί η εξαγωγή να διορθώσει σφάλματα από ένα παλαιότερο επίπεδο OCR;
Όχι. Τα υπάρχοντα σφάλματα κειμένου μπορούν να αντιγραφούν στην εξαγωγή. Συγκρίνετε τη σημαντική διατύπωση με την ορατή πηγή και διορθώστε την πριν από την επαναχρησιμοποίηση.
Προετοιμάστε το επόμενο έγγραφό σας με PDF σε Κείμενο.
Δοκιμάστε την εξαγωγή κειμένου πριν από το OCR όταν το PDF διαθέτει επίπεδο κειμένου που μπορεί να χρησιμοποιηθεί.
