PDF to Text: What the .txt File Leaves Out
Ekstraksi teks adalah pekerjaan menyalin, bukan konversi: dibutuhkan kata-kata yang dapat dipilih dan menuliskannya halaman demi halaman. Hasilnya ideal untuk penelusuran dan skrip, tetapi tidak akan mempertahankan kolom, kotak, atau gaya.
Mengapa hal ini muncul
Orang-orang meraih teks biasa ketika tujuannya adalah indeks pencarian, skrip, atau kolega yang hanya membutuhkan kata-kata tersebut. File tiba dengan cepat, dan penghilangan diam-diam hanya muncul ketika teks sudah ada di sistem berikutnya.
Periksa sebelum Anda menjalankannya
- Konfirmasikan kata-kata tersebut dapat dipilih terlebih dahulu. Jika Anda tidak dapat menyorot sebuah kalimat di penampil PDF, halamannya adalah gambar. Jalankan OCR terlebih dahulu, lalu ekstrak dari salinan yang dapat dicari.
- Baca halaman pertama untuk urutan dan istirahat. Tata letak multi-kolom dapat disisipkan dan garis rata dapat terputus di tengah kalimat. Periksa apakah judul dan klausa mengikuti urutan yang dibaca seseorang.
- Periksa tabel dan karakter khusus. Tabel biasanya kehilangan kisi-kisinya dalam teks biasa; gunakan PDF ke Excel untuk data. Periksa aksen, pengikat, dan simbol mata uang sebelum mengimpor file.
Kapan harus meraihnya
- Anda perlu mengutip sebuah klausa secara akurat. Extract the text, then search the .txt for the exact wording instead of retyping from the page.
- Anda sedang memeriksa apakah PDF benar-benar berupa teks. Output yang hampir kosong adalah bukti tercepat bahwa file tersebut dipindai dan memerlukan OCR sebelum konversi apa pun.
Satu pertanyaan yang kami dapatkan
Apakah teks mempertahankan tata letaknya?
Kata-katanya muncul kembali dalam urutan bacaan — cocok untuk kutipan, pencarian, dan skrip. Tabel yang dibuat dari teks tabel asli mempertahankan strukturnya; halaman yang dipindai memerlukan OCR terlebih dahulu.
Dimana itu cocok
Alat yang biasanya dibuka orang di samping PDF ke Teks:
- PDF ke PowerPoint — Membangun kembali PDF sebagai dek PowerPoint yang dapat diedit.
- PDF ke JPG — Ubah setiap halaman menjadi gambar JPG, PNG, atau TIFF dengan resolusi yang Anda perlukan.
- PDF ke Word — Ubah PDF menjadi dokumen Word yang dapat diedit, dengan tata letak dipertahankan jika memungkinkan.
Setiap alat berfungsi pada salinan, sehingga file asli tidak pernah disentuh. Unggahan disimpan dalam id yang tidak dapat ditebak dan dihapus secara otomatis dua jam setelah Anda terakhir membukanya; tidak ada yang terdaftar, dibagikan, atau diindeks. Lebih lanjut tentang halaman keamanan.