PDF to Text: What the .txt File Leaves Out
Tekstudtrækning er et kopijob, ikke en konvertering: det tager de valgbare ord og skriver dem ud side for side. Resultatet er ideelt til søgning og scripts, men det bevarer ikke kolonner, bokse eller stil.
Hvorfor dette kommer op
Folk rækker ud efter almindelig tekst, når destinationen er et søgeindeks, et script eller en kollega, der bare har brug for ordlyden. Filen ankommer hurtigt, og dens stille udeladelser dukker først op, når teksten allerede er i det næste system.
Tjek før du kører det
- Bekræft først, at ordene kan vælges. Hvis du ikke kan fremhæve en sætning i PDF-fremviseren, er siderne billeder. Kør først OCR, og udtræk derefter fra den søgbare kopi.
- Læs den første side for rækkefølge og pauser. Layouter med flere kolonner kan sammenflette, og justerede linjer kan bryde midt i sætningen. Tjek, at overskrifter og klausuler følger den rækkefølge, en person ville læse.
- Undersøg tabeller og specialtegn. Tabeller mister normalt deres gitter i almindelig tekst; brug PDF til Excel til data. Tjek accenter, ligaturer og valutasymboler, før du importerer filen.
Hvornår skal man nå det
- Du skal citere en klausul nøjagtigt. Extract the text, then search the .txt for the exact wording instead of retyping from the page.
- Du tjekker, om en PDF virkelig er tekst. Et næsten tomt output er det hurtigste bevis på, at filen er en scanning og har brug for OCR før enhver konvertering.
Et spørgsmål får vi
Bevarer teksten sit layout?
Ordene kommer tilbage i læserækkefølge - perfekt til citater, søgninger og scripts. Tabeller bygget af ægte tabeltekst bevarer deres struktur; scannede sider skal først OCR.
Hvor det passer
De værktøjer, folk normalt åbner ved siden af PDF til tekst:
- PDF til PowerPoint — Genopbyg en PDF som et redigerbart PowerPoint-dæk.
- PDF til JPG — Gør hver side til et JPG-, PNG- eller TIFF-billede med den opløsning, du har brug for.
- PDF til Word — Konverter en PDF til et redigerbart Word-dokument, med layout bevaret, hvor det er muligt.
Hvert værktøj fungerer på en kopi, så den originale fil bliver aldrig rørt. Uploads gemmes under et id, der ikke kan gættes, og slettes automatisk to timer efter, du sidst åbnede dem; intet er opført, delt eller indekseret. Mere om sikkerhedsside.