Ikke alle PDF-filer trenger gjenkjenning. Et digitalt dokument, eller en skanning som allerede er gjenkjent, kan inneholde et tekstlag som kan eksporteres direkte. PDF til tekst gir deg det lagrede innholdet. Nøkkelen er å skille uttrekk fra OCR og gå gjennom leserekkefølgen før du gjenbruker ordene.
Eksempelet bruker en pakke fra en offentlig workshop med et eksisterende tekstlag. Sammenlign de uttrekkede ordene med den synlige kilden, i stedet for å behandle dette som gjenkjenning av et bilde.
Sjekk om PDF allerede inneholder tekst
Åpne PDF til tekst og velg dokumentet. En digital rapport eller et tidligere OCR-behandlet skann kan allerede inneholde ordene du trenger.
Hvis filen er en skanning som kun består av bilder, vil uttrekket ikke opprette tekst fra pikslene. Bruk PDF OCR i stedet for å gjentatte ganger eksportere et tomt tekstlag.
Velg sidene og utdataarrangementet
Angi et sideområde når bare en del av dokumentet er relevant. Velg én TXT-fil for kontinuerlig lesing, eller separate filer for sidebasert referanse.
Sidenumre i et område refererer til posisjoner i den innlastede PDF-filen. Et trykt sidenummer kan avvike når filen inkluderer et omslag eller en unummerert introduksjon.
Prøv tekstuttrekk før OCR når PDF-filen har et brukbart tekstlag.
Trekk ut og gå gjennom ordene
Klikk Start for å trekke ut den lagrede teksten. Sammenlign resultatet med den synlige kilden, spesielt der siden inneholder kolonner, tabeller eller fotnoter.
Sjekk bindestreker ved linjeslutt, uvanlige tegn og viktige identifikatorer. En tidligere OCR-feil kan kopieres inn i eksporten like enkelt som korrekt digital tekst.
Behold sidehenvisninger når du siterer eller sjekker uttrekkede passasjer.
Last ned teksten og behold kildekonteksten
Last ned TXT- eller ZIP-resultatet. For separate filer, bruk de sidebaserte filnavnene og den inkluderte kombinerte teksten for å holde styr på hvor passasjene kom fra.
Ren tekst er ment for gjenbruk, ikke visuell gjengivelse av PDF-filen. Behold kilde- PDF for å sjekke layout eller referanser, og bruk OCR kun for sider hvis bildeinnhold fortsatt trenger gjenkjenning.
Vanlige spørsmål
Kjører PDF til tekst OCR?
Nei. Den trekker ut teksten som allerede er lagret i PDF-filen. Sider som kun består av bilder trenger PDF OCR.
Hvorfor er tekstrekkefølgen annerledes enn på siden?
PDF-tekst kan lagres som posisjonerte deler. Kolonner, tabeller, fotnoter og uvanlige skrifttypekartlegginger kan produsere en rekkefølge som må kontrolleres i ren tekst.
Hva er inni ZIP-filen med separate filer?
Den inneholder en tekstfil for hver valgte side og en samlet tekstfil. Filene bruker UTF-8-tekst.
Kan uttrekking fikse feil fra et eldre OCR-lag?
Nei. Eksisterende tekstfeil kan kopieres inn i eksporten. Sammenlign viktig ordlyd med den synlige kilden og korriger den før gjenbruk.
Forbered ditt neste dokument med PDF til tekst.
Prøv tekstuttrekk før OCR når PDF-filen har et brukbart tekstlag.
