Nie každý PDF potrebuje rozpoznávanie. Digitálny dokument alebo sken, ktorý už bol rozpoznaný, môže obsahovať textovú vrstvu, ktorú možno exportovať priamo. PDF do textu vám poskytne tento uložený obsah. Kľúčom je odlíšiť extrakciu od OCR a pred opätovným použitím slov skontrolovať poradie čítania.
Príklad používa balík z verejného workshopu s existujúcou textovou vrstvou. Porovnajte extrahované slová s viditeľným zdrojom, namiesto toho, aby ste to považovali za rozpoznávanie obrázka.
Skontrolujte, či PDF už obsahuje text
Otvorte PDF do textu a vyberte dokument. Digitálna správa alebo predtým sken spracovaný pomocou OCR už môže obsahovať slová, ktoré potrebujete.
Ak je súbor skenom iba obrázka, extrakcia nevytvorí text z jeho pixelov. Použite PDF OCR namiesto opakovaného exportovania prázdnej textovej vrstvy.
Vyberte strany a usporiadanie výstupu
Zadajte rozsah strán, ak je relevantná len časť dokumentu. Vyberte jeden súbor TXT pre súvislé čítanie alebo samostatné súbory pre referenciu podľa strán.
Čísla strán v rozsahu sa vzťahujú na pozície v načítanom PDF. Vytlačené číslo strany sa môže líšiť, keď súbor obsahuje obálku alebo nečíslovaný úvod.
Vyskúšajte extrakciu textu pred OCR, keď má PDF použiteľnú textovú vrstvu.
Extrahovať a skontrolovať slová
Kliknutím na Štart extrahujete uložený text. Porovnajte výsledok s viditeľným zdrojom, najmä tam, kde strana obsahuje stĺpce, tabuľky alebo poznámky pod čiarou.
Skontrolujte spojovníky na konci riadkov, nezvyčajné znaky a dôležité identifikátory. Predchádzajúca chyba OCR sa môže skopírovať do exportu rovnako ľahko ako správny digitálny text.
Pri citovaní alebo kontrole extrahovaných pasáží si ponechajte odkazy na strany.
Stiahnite si text a zachovajte jeho zdrojový kontext
Stiahnite si TXT alebo výsledok ZIP. Pre samostatné súbory použite názvy súborov založené na stranách a priložený kombinovaný text, aby ste mali prehľad o tom, odkiaľ pasáže pochádzajú.
Obyčajný text je určený na opätovné použitie, nie na vizuálnu reprodukciu PDF. Ponechajte si zdrojový PDF na kontrolu rozloženia alebo odkazov a použite OCR iba pre strany, ktorých obsah obrázka stále potrebuje rozpoznanie.
Časté otázky
Spúšťa PDF do textu funkciu OCR?
Nie. Extrahuje text, ktorý je už uložený v PDF. Strany obsahujúce iba obrázky vyžadujú PDF OCR.
Prečo je poradie textu iné ako na strane?
Text v PDF môže byť uložený ako umiestnené časti. Stĺpce, tabuľky, poznámky pod čiarou a nezvyčajné mapovania písiem môžu vytvoriť poradie, ktoré vyžaduje kontrolu v čistom texte.
Čo je vo vnútri ZIP súboru s oddelenými súbormi?
Obsahuje textový súbor pre každú vybranú stranu a kombinovaný textový súbor. Súbory používajú kódovanie UTF-8.
Môže extrakcia opraviť chyby zo staršej vrstvy OCR?
Nie. Existujúce chyby v texte sa môžu skopírovať do exportu. Porovnajte dôležité znenie s viditeľným zdrojom a pred opätovným použitím ho opravte.
Pripravte si svoj ďalší dokument pomocou PDF do textu.
Vyskúšajte extrakciu textu pred OCR, keď má PDF použiteľnú textovú vrstvu.
