PDF sang Văn bản.

Các tệp PDF kỹ thuật số và các bản quét đã nhận dạng trước đó có thể chứa văn bản thực đằng sau chế độ xem trang. Công cụ này trích xuất văn bản đã lưu trữ đó thay vì đọc lại các pixel của trang.

Một PDF có thể trông rõ ràng và vẫn chỉ chứa một hình ảnh. Nếu không tìm thấy văn bản có thể sử dụng, hãy sử dụng PDF OCR để nhận dạng thay thế.

Để lựa chọn trang cho toàn bộ tài liệu, hoặc nhập các trang thuộc về bản xuất. Kiểm tra đánh số trang nguồn trước khi dựa vào nhãn trang được in.

Việc chọn một tập hợp con sẽ ảnh hưởng đến kết quả đầu ra, nhưng nguồn đầy đủ vẫn phải đáp ứng các giới hạn đầu vào.

Một tệp văn bản duy nhất rất thuận tiện cho việc tìm kiếm hoặc chỉnh sửa một tài liệu liên tục. Các dấu phân cách trang giúp phân biệt các trang nguồn trong văn bản kết hợp.

Tùy chọn tệp riêng biệt bao gồm một tệp văn bản cho mỗi trang đã chọn và một tệp văn bản kết hợp bên trong tệp ZIP, điều này hữu ích khi các tham chiếu trang là quan trọng.

Tệp PDF lưu trữ các vị trí vẽ, không nhất thiết phải theo thứ tự đoạn văn hoàn hảo. Các bảng, cột và ánh xạ phông chữ bất thường có thể tạo ra văn bản cần sắp xếp lại hoặc chỉnh sửa.

Quá trình trích xuất không xác minh lớp OCR hiện có. Hãy so sánh các tên, số và ngày tháng quan trọng với nguồn hiển thị ngay cả khi không cần nhận dạng mới.