ყველა PDF-ს არ სჭირდება ამოცნობა. ციფრული დოკუმენტი, ან სკანირება, რომელიც უკვე ამოცნობილია, შეიძლება შეიცავდეს ტექსტურ ფენას, რომლის ექსპორტირება პირდაპირ შეიძლება. PDF ტექსტში გაძლევთ ამ შენახულ შინაარსს. მთავარია განასხვავოთ ამოღება OCR-ისგან და გადახედოთ კითხვის თანმიმდევრობას სიტყვების ხელახლა გამოყენებამდე.
მაგალითში გამოყენებულია საჯარო სემინარის პაკეტი არსებული ტექსტური ფენით. შეადარეთ ამოღებული სიტყვები ხილულ წყაროს, ნაცვლად იმისა, რომ ეს განიხილოთ როგორც სურათის ამოცნობა.
შეამოწმეთ, შეიცავს თუ არა PDF უკვე ტექსტს
გახსენით „PDF ტექსტად“ და აირჩიეთ დოკუმენტი. ციფრული ანგარიში ან ადრე OCR-ით დამუშავებული სკანი შესაძლოა უკვე შეიცავდეს საჭირო სიტყვებს.
თუ ფაილი მხოლოდ სურათის სკანირებაა, ამოღება არ შექმნის ტექსტს მისი პიქსელებიდან. გამოიყენეთ PDF OCR ცარიელი ტექსტური ფენის განმეორებით ექსპორტის ნაცვლად.
აირჩიეთ გვერდები და გამომავალი განლაგება
შეიყვანეთ გვერდების დიაპაზონი, როდესაც მხოლოდ დოკუმენტის ნაწილია აქტუალური. აირჩიეთ ერთი TXT ფაილი უწყვეტი კითხვისთვის, ან ცალკეული ფაილები გვერდებზე დაფუძნებული მითითებისთვის.
დიაპაზონში გვერდების ნომრები ეხება ჩატვირთულ PDF-ში არსებულ პოზიციებს. დაბეჭდილი გვერდის ნომერი შეიძლება განსხვავდებოდეს, როდესაც ფაილი შეიცავს გარეკანს ან დაუნომრავ შესავალს.
სცადეთ ტექსტის ამოღება OCR-მდე, როდესაც PDF-ს აქვს გამოსაყენებელი ტექსტური ფენა.
ამოიღეთ და გადახედეთ სიტყვებს
დააწკაპუნეთ „დაწყება“ შენახული ტექსტის ამოსაღებად. შეადარეთ შედეგი ხილულ წყაროს, განსაკუთრებით იქ, სადაც გვერდი შეიცავს სვეტებს, ცხრილებს ან სქოლიოებს.
შეამოწმეთ სტრიქონის ბოლოში არსებული დეფისები, უჩვეულო სიმბოლოები და მნიშვნელოვანი იდენტიფიკატორები. წინა OCR შეცდომა შეიძლება ისევე ადვილად გადავიდეს ექსპორტში, როგორც სწორი ციფრული ტექსტი.
შეინახეთ გვერდის მითითებები ციტირებისას ან ამოღებული პასაჟების შემოწმებისას.
ჩამოტვირთეთ ტექსტი და შეინახეთ მისი წყაროს კონტექსტი
ჩამოტვირთეთ TXT ან ZIP შედეგი. ცალკეული ფაილებისთვის გამოიყენეთ გვერდზე დაფუძნებული ფაილის სახელები და თანდართული კომბინირებული ტექსტი, რათა თვალყური ადევნოთ, საიდან მოვიდა პასაჟები.
უბრალო ტექსტი განკუთვნილია ხელახალი გამოყენებისთვის და არა PDF-ის ვიზუალური რეპროდუქციისთვის. შეინახეთ წყარო PDF განლაგების ან მითითებების შესამოწმებლად და გამოიყენეთ OCR მხოლოდ იმ გვერდებისთვის, რომელთა გამოსახულების შინაარსს ჯერ კიდევ სჭირდება ამოცნობა.
ხშირად დასმული კითხვები
ასრულებს თუ არა PDF ტექსტად გადაქცევა OCR-ს?
არა. ის ამოიღებს ტექსტს, რომელიც უკვე შენახულია PDF-ში. მხოლოდ სურათებისგან შემდგარ გვერდებს სჭირდება PDF OCR.
რატომ არის ტექსტის თანმიმდევრობა განსხვავებული გვერდისგან?
PDF-ის ტექსტი შეიძლება შენახული იყოს დაჯგუფებულ ნაწილებად. სვეტებმა, ცხრილებმა, სქოლიოებმა და შრიფტების უჩვეულო განლაგებამ შეიძლება გამოიწვიოს თანმიმდევრობა, რომელიც საჭიროებს შემოწმებას ჩვეულებრივ ტექსტში.
რა არის ცალკეული ფაილების ZIP-ში?
ის შეიცავს ტექსტურ ფაილს თითოეული არჩეული გვერდისთვის და გაერთიანებულ ტექსტურ ფაილს. ფაილები იყენებენ UTF-8 ტექსტს.
შეუძლია თუ არა ამოღებას შეცდომების გამოსწორება ძველი OCR ფენიდან?
არა. არსებული ტექსტური შეცდომები შეიძლება გადმოვიდეს ექსპორტში. შეადარეთ მნიშვნელოვანი ტექსტი ხილულ წყაროს და გამოასწორეთ ხელახლა გამოყენებამდე.
მოამზადეთ თქვენი შემდეგი დოკუმენტი PDF ტექსტში-ით.
სცადეთ ტექსტის ამოღება OCR-მდე, როდესაც PDF-ს აქვს გამოსაყენებელი ტექსტური ფენა.
