Не кожен PDF потребує розпізнавання. Цифровий документ або сканований файл, який уже був розпізнаний, може містити текстовий шар, який можна експортувати безпосередньо. «PDF у текст» надає вам цей збережений вміст. Головне — розрізняти вилучення та OCR і перевірити порядок читання перед повторним використанням слів.
У прикладі використовується пакет із публічного семінару з існуючим текстовим шаром. Порівняйте вилучені слова з видимим джерелом, замість того, щоб розглядати це як розпізнавання зображення.
Перевірте, чи PDF вже містить текст
Відкрийте «PDF у текст» і виберіть документ. Цифровий звіт або раніше оброблений за допомогою OCR скан може вже містити потрібні вам слова.
Якщо файл є сканованим зображенням, вилучення не створить текст із його пікселів. Використовуйте PDF OCR замість багаторазового експорту порожнього текстового шару.
Виберіть сторінки та спосіб виведення
Введіть діапазон сторінок, якщо актуальна лише частина документа. Виберіть один файл TXT для безперервного читання або окремі файли для посторінкового довідника.
Номери сторінок у діапазоні стосуються позицій у завантаженому PDF. Друкований номер сторінки може відрізнятися, якщо файл містить обкладинку або ненумерований вступ.
Спробуйте вилучення тексту перед OCR, якщо PDF має придатний для використання текстовий шар.
Вилучити та переглянути слова
Натисніть «Почати», щоб вилучити збережений текст. Порівняйте результат із видимим джерелом, особливо там, де сторінка містить стовпці, таблиці або виноски.
Перевірте дефіси в кінці рядків, незвичайні символи та важливі ідентифікатори. Попередня помилка OCR може бути скопійована в експорт так само легко, як і правильний цифровий текст.
Зберігайте посилання на сторінки під час цитування або перевірки вилучених уривків.
Завантажте текст і збережіть його вихідний контекст
Завантажте результат у форматі TXT або ZIP. Для окремих файлів використовуйте імена файлів на основі сторінок і доданий об'єднаний текст, щоб відстежувати, звідки походять уривки.
Звичайний текст призначений для повторного використання, а не для візуального відтворення PDF. Зберігайте вихідний PDF для перевірки макета або посилань, а OCR використовуйте лише для сторінок, вміст зображень яких все ще потребує розпізнавання.
Поширені запитання
Чи виконує функція «PDF в текст» OCR?
Ні. Вона витягує текст, який уже збережено у PDF. Для сторінок, що складаються лише із зображень, потрібен PDF OCR.
Чому порядок тексту відрізняється від порядку на сторінці?
Текст у PDF може зберігатися як окремі фрагменти з координатами. Стовпці, таблиці, виноски та незвичні шрифти можуть призвести до появи порядку, який потребує перевірки у звичайному текстовому форматі.
Що знаходиться всередині ZIP-архіву з окремими файлами?
Він містить текстовий файл для кожної вибраної сторінки та об'єднаний текстовий файл. Файли використовують кодування UTF-8.
Чи може вилучення виправити помилки зі старого шару OCR?
Ні. Існуючі помилки в тексті можуть бути скопійовані в експорт. Порівняйте важливі формулювання з видимим джерелом і виправте їх перед повторним використанням.
Підготуйте свій наступний документ за допомогою «PDF у текст».
Спробуйте вилучення тексту перед OCR, якщо PDF має придатний для використання текстовий шар.
