PDF to Text: What the .txt File Leaves Out

文字擷取是一項複製作業，而不是轉換：它會取得可選擇的單字並將其逐頁寫出。結果非常適合搜尋和腳本，但它不會保留列、框或樣式。

為什麼會出現這個問題

當目的地是搜尋索引、腳本或只需要措辭的同事時，人們會選擇純文字。文件很快就到達了，只有當文本已經在下一個系統中時，它的無聲遺漏才會浮出水面。

運行之前檢查一下

• 首先確認單字可以選擇。 如果您無法在 PDF 檢視器中突出顯示句子，則頁面是圖像。首先執行 OCR，然後從可搜尋副本中提取。
• 請閱讀第一頁以了解順序和中斷。 多列佈局可能會交錯，對齊的行可能會中斷句子。檢查標題和條款是否遵循人們閱讀的順序。
• 檢查表格和特殊字元。 純文字形式的表格通常會遺失網格；使用 PDF 到 Excel 來取得資料。匯入檔案之前檢查重音符號、連字和貨幣符號。

何時伸手去拿它

• 您需要準確地引用一個條款。 Extract the text, then search the .txt for the exact wording instead of retyping from the page.
• 您正在檢查 PDF 是否真的是文字。 幾乎為空的輸出是最快證明該文件是掃描件並且在任何轉換之前需要 OCR 的證據。

我們得到一個問題

文本是否保持其布局？

這些單字按閱讀順序傳回——非常適合引用、搜尋和腳本。由真實表格文字建構的表格保持其結構；掃描的頁面首先需要 OCR。

適合的地方

人們通常在 PDF to Text 旁邊打開的工具：

• PDF 到 PowerPoint — 將 PDF 重建為可編輯的 PowerPoint 投影片。
• PDF 轉 JPG — 將每個頁面轉換為您需要的解析度的 JPG、PNG 或 TIFF 影像。
• PDF 到 Word — 將 PDF 轉換為可編輯的 Word 文檔，並盡可能保留版面配置。

每個工具都適用於副本，因此原始文件永遠不會被觸及。上傳的內容儲存在不可猜測的 ID 下，並在您上次開啟後兩小時自動刪除；沒有列出、分享或索引任何內容。更多關於 安全頁面.