Tout PDF n'a pas besoin de reconnaissance. Un document numérique, ou une numérisation déjà reconnue, peut contenir une couche de texte exportable directement. PDF vers Texte vous donne ce contenu stocké. La clé est de distinguer l'extraction de OCR et de vérifier l'ordre de lecture avant de réutiliser les mots.
L'exemple utilise un paquet d'atelier public avec une couche de texte existante. Comparez les mots extraits avec la source visible, plutôt que de traiter cela comme une reconnaissance d'image.
Vérifiez si le PDF contient déjà du texte
Ouvrez « PDF vers texte » et choisissez le document. Un rapport numérique ou une numérisation précédemment traitée par OCR peut déjà contenir les mots dont vous avez besoin.
Si le fichier est une numérisation image uniquement, l'extraction ne créera pas de texte à partir de ses pixels. Utilisez PDF OCR au lieu d'exporter à plusieurs reprises une couche de texte vide.
Sélectionnez les pages et la disposition de sortie
Entrez une plage de pages lorsqu'une seule partie du document est pertinente. Choisissez un fichier TXT pour une lecture continue, ou des fichiers séparés pour une référence par page.
Les numéros de page dans une plage font référence aux positions dans le PDF chargé. Un numéro de page imprimé peut différer lorsque le fichier inclut une couverture ou une introduction non numérotée.
Essayez l'extraction de texte avant OCR lorsque le PDF possède une couche de texte utilisable.
Extraire et examiner les mots
Cliquez sur Démarrer pour extraire le texte stocké. Comparez le résultat avec la source visible, en particulier là où la page contient des colonnes, des tableaux ou des notes de bas de page.
Vérifiez les traits d'union en fin de ligne, les caractères inhabituels et les identifiants importants. Une erreur OCR précédente peut être copiée dans l'exportation tout aussi facilement qu'un texte numérique correct.
Conservez les références de page lors de la citation ou de la vérification des passages extraits.
Téléchargez le texte et conservez son contexte source
Téléchargez le résultat TXT ou ZIP. Pour des fichiers séparés, utilisez les noms de fichiers basés sur les pages et le texte combiné inclus pour garder une trace de la provenance des passages.
Le texte brut est destiné à la réutilisation, pas à la reproduction visuelle du PDF. Conservez le PDF source pour vérifier la mise en page ou les références, et utilisez OCR uniquement pour les pages dont le contenu image nécessite encore une reconnaissance.
Questions fréquentes
La conversion de PDF en texte exécute-t-elle l'OCR ?
Non. Elle extrait le texte déjà stocké dans le PDF. Les pages contenant uniquement des images nécessitent un PDF OCR.
Pourquoi l'ordre du texte est-il différent de celui de la page ?
Le texte d'un PDF peut être stocké sous forme d'éléments positionnés. Les colonnes, tableaux, notes de bas de page et mappages de polices inhabituels peuvent produire un ordre qui nécessite une vérification en texte brut.
Que contient le fichier ZIP séparé ?
Il contient un fichier texte pour chaque page sélectionnée ainsi qu'un fichier texte combiné. Les fichiers utilisent le texte UTF-8.
L'extraction peut-elle corriger les erreurs d'une ancienne couche OCR ?
Non. Les erreurs de texte existantes peuvent être copiées dans l'exportation. Comparez le libellé important avec la source visible et corrigez-le avant toute réutilisation.
Préparez votre prochain document avec PDF vers Texte.
Essayez l'extraction de texte avant OCR lorsque le PDF possède une couche de texte utilisable.
