PDF to Text: What the .txt File Leaves Out
A szövegkivonás egy másolási feladat, nem pedig átalakítás: kiveszi a kiválasztható szavakat, és oldalanként kiírja őket. Az eredmény ideális kereséshez és szkriptekhez, de nem fogja megőrizni az oszlopokat, mezőket vagy a stílust.
Miért jön ez elő
Az emberek egyszerű szöveghez nyúlnak, ha a cél egy keresési index, egy szkript vagy egy kolléga, akinek csak a megfogalmazásra van szüksége. A fájl gyorsan megérkezik, csendes kihagyásai csak akkor jelennek meg, ha a szöveg már a következő rendszerben van.
Ellenőrizze, mielőtt elindítja
- Először ellenőrizze, hogy a szavak kiválaszthatók-e. Ha nem tud egy mondatot kiemelni a PDF-megtekintőben, az oldalak képek. Először futtassa az OCR-t, majd bontsa ki a kereshető másolatból.
- Olvassa el az első oldalt a sorrendről és a szünetekről. A többoszlopos elrendezések átlapolhatnak, a sorkizárt sorok pedig megtörhetik a mondat közepét. Ellenőrizze, hogy a fejlécek és tagmondatok követik-e azt a sorrendet, amelyet a személy olvasna.
- Vizsgálja meg a táblázatokat és a speciális karaktereket. A táblázatok általában elvesztik a rácsukat egyszerű szövegben; használja a PDF-et az Excelbe az adatokhoz. A fájl importálása előtt ellenőrizze az ékezeteket, ligatúrákat és pénznemszimbólumokat.
Mikor kell érte nyúlni
- Pontosan kell idéznie egy záradékot. Extract the text, then search the .txt for the exact wording instead of retyping from the page.
- Azt ellenőrzi, hogy a PDF valóban szöveg-e. A majdnem üres kimenet a leggyorsabb bizonyíték arra, hogy a fájl szkennelés, és bármilyen átalakítás előtt OCR-re van szüksége.
Egy kérdést kapunk
A szöveg megtartja az elrendezését?
A szavak olvasási sorrendben jönnek vissza – tökéletesek idézetek, keresések és szkriptek számára. A valódi táblázatszövegből felépült táblázatok megtartják szerkezetüket; a beolvasott oldalakhoz először OCR-re van szükség.
Ahova illik
A PDF to Text mellett általában megnyitott eszközök:
- PDF a PowerPointba — Újraépítheti a PDF-fájlt szerkeszthető PowerPoint-csomagként.
- PDF-ből JPG-be — Minden oldalt alakítson át JPG, PNG vagy TIFF képpé a kívánt felbontásban.
- PDF-ből Word-be — PDF konvertálása szerkeszthető Word-dokumentummá, lehetőség szerint megtartva az elrendezést.
Minden eszköz egy másolaton működik, így az eredeti fájlhoz soha nem kell hozzányúlni. A feltöltések egy kitalálhatatlan azonosító alatt tárolódnak, és az utolsó megnyitásuk után két órával automatikusan törlődnek; semmi sincs felsorolva, megosztva vagy indexelve. Bővebben a biztonsági oldal.