Nem minden PDF fájl igényel felismerést. Egy digitális dokumentum, vagy egy már felismert szkennelés tartalmazhat olyan szövegréteget, amely közvetlenül exportálható. A PDF szöveggé alakítása megadja ezt a tárolt tartalmat. A kulcs az, hogy megkülönböztesse a kinyerést a OCR folyamattól, és a szavak újrafelhasználása előtt ellenőrizze az olvasási sorrendet.
A példa egy meglévő szövegréteggel rendelkező nyilvános workshop-csomagot használ. Hasonlítsa össze a kinyert szavakat a látható forrással, ahelyett, hogy ezt egy kép felismeréseként kezelné.
Ellenőrizze, hogy a PDF tartalmaz-e már szöveget
Nyissa meg a PDF szöveggé alakítása eszközt, és válassza ki a dokumentumot. Egy digitális jelentés vagy egy korábban OCR-folyamaton átesett beolvasott fájl már tartalmazhatja a szükséges szavakat.
Ha a fájl csak képet tartalmazó szkennelés, a kinyerés nem hoz létre szöveget a képpontokból. Használja a PDF OCR funkciót az üres szövegréteg ismételt exportálása helyett.
Válassza ki az oldalakat és a kimeneti elrendezést
Adjon meg egy oldaltartományt, ha csak a dokumentum egy része releváns. Válasszon egy TXT fájlt a folyamatos olvasáshoz, vagy külön fájlokat az oldalalapú hivatkozáshoz.
A tartományban szereplő oldalszámok a betöltött PDF fájl pozícióira utalnak. A nyomtatott oldalszám eltérhet, ha a fájl borítót vagy számozatlan bevezetőt tartalmaz.
Próbálja meg a szövegkinyerést a OCR előtt, ha a PDF fájl használható szövegréteggel rendelkezik.
Szavak kinyerése és áttekintése
Kattintson a Start gombra a tárolt szöveg kinyeréséhez. Hasonlítsa össze az eredményt a látható forrással, különösen ott, ahol az oldal oszlopokat, táblázatokat vagy lábjegyzeteket tartalmaz.
Ellenőrizze a sorvégi kötőjeleket, a szokatlan karaktereket és a fontos azonosítókat. Egy korábbi OCR hiba ugyanúgy átkerülhet az exportba, mint a helyes digitális szöveg.
Őrizze meg az oldalhivatkozásokat, amikor kinyert részleteket idéz vagy ellenőriz.
Szöveg letöltése és forráskörnyezetének megőrzése
Töltse le a TXT vagy ZIP eredményt. Külön fájlok esetén használja az oldalalapú fájlneveket és a mellékelt kombinált szöveget, hogy nyomon követhesse, honnan származnak a részletek.
Az egyszerű szöveg újrafelhasználásra szolgál, nem a PDF vizuális reprodukciójára. Őrizze meg a forrás PDF fájlt az elrendezés vagy hivatkozások ellenőrzéséhez, és a OCR funkciót csak olyan oldalakhoz használja, amelyek képtartalma még felismerést igényel.
PDF megnyitása OCR · Oldalak kinyerése a PDF fájlból megnyitása
Gyakori kérdések
A PDF to Text funkció futtat OCR-t?
Nem. Ez a PDF fájlban már tárolt szöveget nyeri ki. A csak képet tartalmazó oldalakhoz PDF OCR szükséges.
Miért tér el a szöveg sorrendje az oldalon lévőtől?
A PDF szöveg pozicionált darabokként tárolható. Az oszlopok, táblázatok, lábjegyzetek és szokatlan betűtípus-leképezések olyan sorrendet eredményezhetnek, amelyet egyszerű szövegben ellenőrizni kell.
Mi van a külön fájlokat tartalmazó ZIP-ben?
Minden kijelölt oldalhoz tartalmaz egy szövegfájlt és egy összesített szövegfájlt. A fájlok UTF-8 szövegkódolást használnak.
A kinyerés javíthatja a régebbi OCR réteg hibáit?
Nem. A meglévő szöveghibák átkerülhetnek az exportált fájlba. Hasonlítsa össze a fontos megfogalmazásokat a látható forrással, és javítsa azokat az újrafelhasználás előtt.
Készítse elő következő dokumentumát a PDF szöveggé alakítása funkcióval.
Próbálja meg a szövegkinyerést a OCR előtt, ha a PDF fájl használható szövegréteggel rendelkezik.
