PDF to Text: What the .txt File Leaves Out

Η εξαγωγή κειμένου είναι μια εργασία αντιγραφής, όχι μια μετατροπή: παίρνει τις επιλέξιμες λέξεις και τις γράφει σελίδα προς σελίδα. Το αποτέλεσμα είναι ιδανικό για αναζήτηση και σενάρια, αλλά δεν θα διατηρήσει στήλες, πλαίσια ή στυλ.

Γιατί προκύπτει αυτό

Οι άνθρωποι αναζητούν απλό κείμενο όταν ο προορισμός είναι ένα ευρετήριο αναζήτησης, ένα σενάριο ή ένας συνάδελφος που χρειάζεται απλώς τη διατύπωση. Το αρχείο φτάνει γρήγορα και οι αθόρυβες παραλείψεις του εμφανίζονται μόνο όταν το κείμενο είναι ήδη στο επόμενο σύστημα.

Ελέγξτε πριν το εκτελέσετε

• Επιβεβαιώστε ότι οι λέξεις είναι επιλέξιμες πρώτα. Εάν δεν μπορείτε να επισημάνετε μια πρόταση στο πρόγραμμα προβολής PDF, οι σελίδες είναι εικόνες. Εκτελέστε πρώτα το OCR και μετά εξαγάγετε από το αντίγραφο με δυνατότητα αναζήτησης.
• Διαβάστε την πρώτη σελίδα για παραγγελία και διαλείμματα. Οι διατάξεις πολλών στηλών μπορεί να παρεμβάλλονται και οι αιτιολογημένες γραμμές μπορεί να σπάσουν τη μέση της πρότασης. Ελέγξτε ότι οι επικεφαλίδες και οι ρήτρες ακολουθούν τη σειρά που θα διάβαζε ένα άτομο.
• Επιθεωρήστε πίνακες και ειδικούς χαρακτήρες. Οι πίνακες συνήθως χάνουν το πλέγμα τους σε απλό κείμενο. χρησιμοποιήστε PDF σε Excel για δεδομένα. Ελέγξτε τους τόνους, τις συνδέσεις και τα σύμβολα νομισμάτων πριν εισαγάγετε το αρχείο.

Πότε να το προσεγγίσετε

• Πρέπει να αναφέρετε μια ρήτρα με ακρίβεια. Extract the text, then search the .txt for the exact wording instead of retyping from the page.
• Ελέγχετε αν ένα PDF είναι πραγματικά κείμενο. Μια σχεδόν άδεια έξοδος είναι η πιο γρήγορη απόδειξη ότι το αρχείο είναι σάρωση και χρειάζεται OCR πριν από οποιαδήποτε μετατροπή.

Μια ερώτηση έχουμε

Το κείμενο διατηρεί τη διάταξή του;

Οι λέξεις επιστρέφουν με σειρά ανάγνωσης — ιδανικές για εισαγωγικά, αναζήτηση και σενάρια. Οι πίνακες που δημιουργούνται από πραγματικό κείμενο πίνακα διατηρούν τη δομή τους. Οι σαρωμένες σελίδες χρειάζονται πρώτα OCR.

Εκεί που ταιριάζει

Τα εργαλεία που συνήθως ανοίγουν οι άνθρωποι δίπλα στο PDF σε κείμενο:

• PDF σε PowerPoint — Ανοικοδόμηση ενός PDF ως επεξεργάσιμου PowerPoint.
• PDF σε JPG — Μετατρέψτε κάθε σελίδα σε εικόνα JPG, PNG ή TIFF στην ανάλυση που χρειάζεστε.
• PDF σε Word — Μετατρέψτε ένα PDF σε επεξεργάσιμο έγγραφο του Word, με τη διάταξη να διατηρείται όπου είναι δυνατόν.

Κάθε εργαλείο λειτουργεί σε ένα αντίγραφο, επομένως το αρχικό αρχείο δεν αγγίζεται ποτέ. Οι μεταφορτώσεις αποθηκεύονται σε ένα απροσδόκητο αναγνωριστικό και διαγράφονται αυτόματα δύο ώρες μετά το τελευταίο άνοιγμα τους. τίποτα δεν είναι καταχωρημένο, κοινόχρηστο ή ευρετήριο. Περισσότερα για το σελίδα ασφαλείας.