PDF to Text: What the .txt File Leaves Out
Tekstin purkaminen on kopiointityötä, ei muuntamista: se ottaa valittavat sanat ja kirjoittaa ne sivulta sivulta. Tulos on ihanteellinen hakuun ja komentosarjoihin, mutta se ei säilytä sarakkeita, ruutuja tai tyyliä.
Miksi tämä tulee esille
Ihmiset kurkottavat pelkkää tekstiä, kun kohteena on hakuhakemisto, käsikirjoitus tai kollega, joka tarvitsee vain sanamuotoa. Tiedosto saapuu nopeasti ja sen hiljaiset puutteet tulevat esiin vasta, kun teksti on jo seuraavassa järjestelmässä.
Tarkista ennen kuin suoritat sen
- Varmista ensin, että sanat ovat valittavissa. Jos et voi korostaa lausetta PDF-katseluohjelmassa, sivut ovat kuvia. Suorita ensin OCR ja pura sitten haettavasta kopiosta.
- Lue ensimmäiseltä sivulta tilaus ja tauot. Monisarakkeiset asettelut voivat lomittaa ja tasatut rivit voivat rikkoa lauseen puolivälin. Tarkista, että otsikot ja lausekkeet noudattavat järjestystä, jonka henkilö lukisi.
- Tarkista taulukot ja erikoismerkit. Taulukot menettävät tavallisesti ruudukkonsa pelkkänä tekstinä; Käytä PDF-tiedostoa Exceliin dataa varten. Tarkista aksentit, ligatuurit ja valuuttasymbolit ennen tiedoston tuontia.
Milloin tavoitella sitä
- Sinun on lainattava lausetta tarkasti. Extract the text, then search the .txt for the exact wording instead of retyping from the page.
- Tarkistat, onko PDF todella tekstiä. Lähes tyhjä tuloste on nopein todiste siitä, että tiedosto on skannattu ja tarvitsee tekstintunnistusta ennen muuntamista.
Saamme yhden kysymyksen
Säilyttääkö teksti asettelun?
Sanat tulevat takaisin lukujärjestyksessä – täydellinen lainauksiin, hakuun ja käsikirjoituksiin. Oikeasta taulukkotekstistä rakennetut taulukot säilyttävät rakenteensa; skannatut sivut tarvitsevat ensin OCR:n.
Mihin se sopii
Työkaluja, joita ihmiset yleensä avaavat PDF-tekstiksi:
- PDF PowerPointiin — Muodosta PDF muokattavaksi PowerPoint-paketiksi.
- PDF JPG-muotoon — Muuta jokainen sivu JPG-, PNG- tai TIFF-kuvaksi tarvitsemallasi resoluutiolla.
- PDF Wordiksi — Muunna PDF muokattavaksi Word-asiakirjaksi, jonka asettelu säilytetään mahdollisuuksien mukaan.
Jokainen työkalu toimii kopiolla, joten alkuperäiseen tiedostoon ei koskaan kosketa. Lataukset tallennetaan arvaamattoman tunnuksen alle ja poistetaan automaattisesti kahden tunnin kuluttua niiden viimeisestä avaamisesta. mitään ei ole listattu, jaettu tai indeksoitu. Lisää aiheesta turvallisuussivu.