हर PDF को पहचान की आवश्यकता नहीं होती है। एक डिजिटल दस्तावेज़, या एक स्कैन जिसे पहले ही पहचाना जा चुका है, में एक टेक्स्ट लेयर हो सकती है जिसे सीधे एक्सपोर्ट किया जा सकता है। PDF to Text आपको वह संग्रहीत सामग्री देता है। मुख्य बात निष्कर्षण को OCR से अलग करना और शब्दों का पुन: उपयोग करने से पहले पढ़ने के क्रम की समीक्षा करना है।
उदाहरण एक मौजूदा टेक्स्ट लेयर वाले सार्वजनिक कार्यशाला पैकेट का उपयोग करता है। निकाले गए शब्दों की तुलना दृश्य स्रोत से करें, न कि इसे किसी छवि की पहचान के रूप में मानें।
जांचें कि क्या PDF में पहले से ही टेक्स्ट है
PDF to Text खोलें और दस्तावेज़ चुनें। डिजिटल रिपोर्ट या पहले से OCR-प्रोसेस किए गए स्कैन में आपके लिए आवश्यक शब्द पहले से हो सकते हैं।
यदि फ़ाइल केवल-छवि स्कैन है, तो निष्कर्षण उसके पिक्सेल से टेक्स्ट नहीं बनाएगा। बार-बार खाली टेक्स्ट लेयर एक्सपोर्ट करने के बजाय PDF OCR का उपयोग करें।
पृष्ठ और आउटपुट व्यवस्था चुनें
जब दस्तावेज़ का केवल एक हिस्सा प्रासंगिक हो तो पृष्ठ सीमा दर्ज करें। निरंतर पढ़ने के लिए एक TXT फ़ाइल चुनें, या पृष्ठ-आधारित संदर्भ के लिए अलग फ़ाइलें चुनें।
एक सीमा में पृष्ठ संख्याएं लोड किए गए PDF में स्थितियों को संदर्भित करती हैं। जब फ़ाइल में कवर या बिना नंबर वाला परिचय शामिल हो तो मुद्रित पृष्ठ संख्या भिन्न हो सकती है।
जब PDF में एक उपयोगी टेक्स्ट लेयर हो तो OCR से पहले टेक्स्ट निष्कर्षण का प्रयास करें।
शब्दों को निकालें और समीक्षा करें
संग्रहीत टेक्स्ट निकालने के लिए स्टार्ट पर क्लिक करें। परिणाम की तुलना दृश्य स्रोत से करें, विशेष रूप से जहां पृष्ठ में कॉलम, टेबल या फुटनोट हों।
लाइन-एंडिंग हाइफ़न, असामान्य वर्ण और महत्वपूर्ण पहचानकर्ताओं की जांच करें। पिछली OCR त्रुटि को सही डिजिटल टेक्स्ट की तरह ही एक्सपोर्ट में कॉपी किया जा सकता है।
निकाले गए अंशों को उद्धृत या जांचते समय पृष्ठ संदर्भ रखें।
टेक्स्ट डाउनलोड करें और उसका स्रोत संदर्भ रखें
TXT या ZIP परिणाम डाउनलोड करें। अलग-अलग फाइलों के लिए, पृष्ठ-आधारित फ़ाइल नामों का उपयोग करें और यह ट्रैक रखने के लिए कि अंश कहां से आए हैं, शामिल संयुक्त टेक्स्ट का उपयोग करें।
सादा टेक्स्ट पुन: उपयोग के लिए है, न कि PDF के दृश्य पुनरुत्पादन के लिए। लेआउट या संदर्भों की जांच के लिए स्रोत PDF रखें, और OCR का उपयोग केवल उन पृष्ठों के लिए करें जिनकी छवि सामग्री को अभी भी पहचान की आवश्यकता है।
सामान्य प्रश्न
क्या PDF टू टेक्स्ट OCR चलाता है?
नहीं। यह PDF में पहले से संग्रहीत टेक्स्ट को निकालता है। केवल-छवि वाले पृष्ठों को PDF OCR की आवश्यकता होती है।
टेक्स्ट का क्रम पृष्ठ से अलग क्यों है?
PDF टेक्स्ट को स्थित टुकड़ों के रूप में संग्रहीत किया जा सकता है। कॉलम, टेबल, फ़ुटनोट और असामान्य फ़ॉन्ट मैपिंग एक ऐसा क्रम उत्पन्न कर सकते हैं जिसे सादे टेक्स्ट में समीक्षा की आवश्यकता होती है।
अलग-अलग फ़ाइलों वाली ZIP के अंदर क्या है?
इसमें प्रत्येक चयनित पृष्ठ के लिए एक टेक्स्ट फ़ाइल और एक संयुक्त टेक्स्ट फ़ाइल होती है। फ़ाइलें UTF-8 टेक्स्ट का उपयोग करती हैं।
क्या निष्कर्षण किसी पुराने OCR लेयर से त्रुटियों को ठीक कर सकता है?
नहीं। मौजूदा टेक्स्ट त्रुटियों को एक्सपोर्ट में कॉपी किया जा सकता है। महत्वपूर्ण शब्दों की तुलना दृश्य स्रोत से करें और पुन: उपयोग से पहले इसे ठीक करें।
PDF to Text के साथ अपना अगला दस्तावेज़ तैयार करें।
जब PDF में एक उपयोगी टेक्स्ट लेयर हो तो OCR से पहले टेक्स्ट निष्कर्षण का प्रयास करें।
