ไม่ใช่ทุก PDF ที่จำเป็นต้องผ่านการจดจำข้อความ เอกสารดิจิทัลหรือเอกสารสแกนที่ผ่านการจดจำมาแล้วอาจมีเลเยอร์ข้อความที่สามารถส่งออกได้โดยตรง เครื่องมือ PDF เป็นข้อความจะช่วยให้คุณได้เนื้อหาที่จัดเก็บไว้นั้น กุญแจสำคัญคือการแยกแยะการดึงข้อความออกจากการทำ OCR และตรวจสอบลำดับการอ่านก่อนนำคำไปใช้ใหม่
ตัวอย่างนี้ใช้ชุดเอกสารจากเวิร์กชอปสาธารณะที่มีเลเยอร์ข้อความอยู่แล้ว เปรียบเทียบคำที่ดึงออกมากับสิ่งที่มองเห็น แทนที่จะมองว่าเป็นการจดจำข้อความจากรูปภาพ
ตรวจสอบว่า PDF มีข้อความอยู่แล้วหรือไม่
เปิด PDF to Text และเลือกเอกสาร รายงานดิจิทัลหรือหน้าที่ผ่านการประมวลผล OCR มาก่อนอาจมีคำที่คุณต้องการอยู่แล้ว
หากไฟล์เป็นไฟล์สแกนที่มีแต่รูปภาพ การดึงข้อมูลจะไม่สามารถสร้างข้อความจากพิกเซลได้ ให้ใช้ PDF OCR แทนการพยายามส่งออกเลเยอร์ข้อความที่ว่างเปล่าซ้ำๆ
เลือกหน้าเอกสารและการจัดเรียงผลลัพธ์
ระบุช่วงหน้าเมื่อต้องการเพียงบางส่วนของเอกสาร เลือกไฟล์ TXT หนึ่งไฟล์สำหรับการอ่านต่อเนื่อง หรือแยกไฟล์สำหรับการอ้างอิงตามหน้า
หมายเลขหน้าในช่วงที่ระบุจะอ้างอิงตามตำแหน่งใน PDF ที่โหลดเข้ามา หมายเลขหน้าที่พิมพ์บนหน้ากระดาษอาจแตกต่างออกไปหากไฟล์มีหน้าปกหรือบทนำที่ไม่ได้ระบุเลขหน้า
ลองดึงข้อความก่อนทำ OCR หาก PDF มีเลเยอร์ข้อความที่ใช้งานได้
ดึงข้อมูลและตรวจสอบคำ
คลิกเริ่มเพื่อดึงข้อความที่จัดเก็บไว้ เปรียบเทียบผลลัพธ์กับแหล่งที่มาที่มองเห็น โดยเฉพาะในส่วนที่หน้าเอกสารมีคอลัมน์ ตาราง หรือเชิงอรรถ
ตรวจสอบยัติภังค์ท้ายบรรทัด ตัวอักษรที่ไม่ปกติ และตัวระบุที่สำคัญ ข้อผิดพลาดจากการทำ OCR ก่อนหน้าอาจถูกคัดลอกลงในการส่งออกได้ง่ายพอๆ กับข้อความดิจิทัลที่ถูกต้อง
เก็บการอ้างอิงหน้าไว้เมื่อมีการอ้างคำพูดหรือตรวจสอบข้อความที่ดึงออกมา
ดาวน์โหลดข้อความและเก็บบริบทของแหล่งที่มาไว้
ดาวน์โหลดผลลัพธ์เป็น TXT หรือไฟล์ ZIP สำหรับไฟล์แยกต่างหาก ให้ใช้ชื่อไฟล์ตามเลขหน้าและข้อความรวมที่แนบมาเพื่อติดตามว่าข้อความเหล่านั้นมาจากที่ใด
ข้อความธรรมดามีไว้เพื่อนำไปใช้ใหม่ ไม่ใช่เพื่อการทำซ้ำทางภาพของ PDF ให้เก็บ PDF ต้นฉบับไว้เพื่อตรวจสอบเค้าโครงหรือการอ้างอิง และใช้ OCR เฉพาะกับหน้าที่เนื้อหารูปภาพยังจำเป็นต้องได้รับการจดจำข้อความเท่านั้น
คำถามที่พบบ่อย
ฟีเจอร์ PDF เป็นข้อความทำงานแบบ OCR หรือไม่?
ไม่ได้ ฟีเจอร์นี้จะดึงข้อความที่ถูกจัดเก็บไว้ใน PDF อยู่แล้ว สำหรับหน้าที่เป็นรูปภาพเท่านั้น จำเป็นต้องใช้ PDF OCR
เหตุใดลำดับข้อความจึงแตกต่างจากในหน้าเอกสาร?
ข้อความใน PDF อาจถูกจัดเก็บเป็นส่วนๆ ตามตำแหน่ง คอลัมน์ ตาราง เชิงอรรถ และการกำหนดฟอนต์ที่ไม่ปกติอาจทำให้ลำดับข้อความที่ได้ต้องได้รับการตรวจสอบใหม่ในรูปแบบข้อความธรรมดา
มีอะไรอยู่ภายในไฟล์ ZIP ที่แยกออกมา?
ประกอบด้วยไฟล์ข้อความสำหรับแต่ละหน้าที่เลือกและไฟล์ข้อความรวม ไฟล์เหล่านี้ใช้การเข้ารหัสข้อความแบบ UTF-8
การดึงข้อมูลสามารถแก้ไขข้อผิดพลาดจากเลเยอร์ OCR เก่าได้หรือไม่?
ไม่ได้ ข้อผิดพลาดของข้อความที่มีอยู่เดิมอาจถูกคัดลอกไปยังไฟล์ส่งออก โปรดเปรียบเทียบข้อความสำคัญกับแหล่งข้อมูลที่มองเห็นได้และแก้ไขก่อนนำไปใช้งานต่อ
เตรียมเอกสารชุดถัดไปของคุณด้วย PDF เป็นข้อความ
ลองดึงข้อความก่อนทำ OCR หาก PDF มีเลเยอร์ข้อความที่ใช้งานได้
