PDF to Text: What the .txt File Leaves Out
Trích xuất văn bản là một công việc sao chép, không phải là chuyển đổi: nó lấy các từ có thể chọn và viết chúng ra từng trang. Kết quả này lý tưởng cho việc tìm kiếm và tập lệnh, nhưng nó sẽ không giữ nguyên các cột, hộp hoặc kiểu dáng.
Tại sao điều này lại xuất hiện
Mọi người tiếp cận văn bản thuần túy khi đích đến là chỉ mục tìm kiếm, tập lệnh hoặc đồng nghiệp chỉ cần từ ngữ. Tệp đến nhanh chóng và những thiếu sót thầm lặng của nó chỉ xuất hiện khi văn bản đã có trong hệ thống tiếp theo.
Kiểm tra trước khi bạn chạy nó
- Xác nhận các từ có thể được lựa chọn đầu tiên. Nếu bạn không thể đánh dấu một câu trong trình xem PDF thì các trang đó là hình ảnh. Chạy OCR trước, sau đó trích xuất từ bản sao có thể tìm kiếm được.
- Đọc trang đầu tiên để biết thứ tự và giờ nghỉ. Bố cục nhiều cột có thể xen kẽ và các dòng căn đều có thể ngắt giữa câu. Kiểm tra xem các tiêu đề và mệnh đề có tuân theo thứ tự mà một người sẽ đọc hay không.
- Kiểm tra bảng và ký tự đặc biệt. Các bảng thường mất lưới ở dạng văn bản thuần túy; sử dụng PDF sang Excel cho dữ liệu. Kiểm tra dấu trọng âm, chữ ghép và ký hiệu tiền tệ trước khi nhập tệp.
Khi nào cần đạt được nó
- Bạn cần trích dẫn một điều khoản một cách chính xác. Extract the text, then search the .txt for the exact wording instead of retyping from the page.
- Bạn đang kiểm tra xem PDF có thực sự là văn bản hay không. Đầu ra gần như trống là bằng chứng nhanh nhất cho thấy tệp đang được quét và cần OCR trước bất kỳ chuyển đổi nào.
Một câu hỏi chúng tôi nhận được
Văn bản có giữ nguyên bố cục của nó không?
Các từ sẽ xuất hiện theo thứ tự đọc — hoàn hảo cho các trích dẫn, tìm kiếm và viết chữ. Các bảng được xây dựng từ văn bản bảng thực sẽ giữ nguyên cấu trúc của chúng; các trang được quét cần OCR trước.
Nó phù hợp ở đâu
Các công cụ mọi người thường mở bên cạnh PDF to Text:
- PDF sang PowerPoint - Xây dựng lại tệp PDF dưới dạng bản PowerPoint có thể chỉnh sửa.
- PDF sang JPG — Biến mỗi trang thành hình ảnh JPG, PNG hoặc TIFF ở độ phân giải bạn cần.
- PDF sang Word — Chuyển đổi PDF thành tài liệu Word có thể chỉnh sửa, giữ nguyên bố cục nếu có thể.
Mọi công cụ đều hoạt động trên một bản sao nên tập tin gốc không bao giờ bị động đến. Các nội dung tải lên được lưu trữ dưới một id không thể đoán được và tự động bị xóa hai giờ sau lần cuối bạn mở chúng; không có gì được liệt kê, chia sẻ hoặc lập chỉ mục. Thêm về trang bảo mật.