PDF-i mətnə çevirmək
PDF-dən yalnız sözləri saxlayın: nə şrift, nə şəkil, nə tərtibat, sadəcə axtara, yapışdıra, müqayisə edə, skriptə ötürə və ya tərcümə alətinə ata biləcəyiniz .txt faylı. Skan edilmiş səhifələr əvvəlcə OCR ilə oxunur.
PDF çevirici
və ya PDF faylları bura sürüşdürün ·
Hər fayl üçün maks. 95 MB· 20 fayla qədər· 30 dəqiqədən sonra silinir
Fayllar serverlərimizdə emal olunur və 30 dəqiqədən sonra silinir.
Skan edilmiş PDF-lər səhifə təsvirləridir. Avto OCR-ı yalnız mətn qatı olmayan səhifələrdə işlədir; Həmişə hər səhifə üçün məcbur edir.
Skandakı mətnin dili. Düzgün dili seçmək diakritik işarələr və qeyri-latın yazılar üçün dəqiqliyi nəzərəçarpacaq dərəcədə artırır.
Axan mətn redaktə etmək asan olan adi abzaslara çevrilir. Dəqiq maket hər bloku olduğu yerdə yerləşdirir, eyni görünür, lakin redaktə etmək çətindir.
Aşkar edilən cədvəllərin iş kitabında harada yerləşəcəyi.
Vergüllə ayrılmış səhifə nömrələri və ya aralıqlar, məsələn, 1-3, 5, 8-10.
Bu alətdən necə istifadə etməli
- 1
PDF-i yükləyin
Tək bir PDF və ya 20-dək PDF yükləyin, hər biri 95 MB-dək ola bilər. Yazılmış və skan edilmiş səhifələr qarışıq olan fayllar səhifə-səhifə emal olunur.
- 2
İstəsəniz, aralığı daraldın
Çevriləcək format bölməsində sadə mətn artıq seçilib. Yalnız lazım olan fəsli və ya əlavəni çıxarmaq üçün Əlavə ayarlar daxilindəki Çevriləcək səhifələr sahəsindən istifadə edin.
- 3
.txt faylını endirin
Çevir düyməsini basın. Fayl UTF-8 kodlaşdırmasındadır, ona görə ştrix işarələri və qeyri-latın yazılar istənilən müasir redaktorda düzgün görünür.
PDF-dən mətni çıxarmağın ən təmiz yolu hansıdır?
Onu sadə .txt faylına çevirin. Bütün sözlər oxuma ardıcıllığı ilə, abzaslar boş sətirlə ayrılmış şəkildə, başqa heç nə olmadan, istənilən redaktor və ya proqram üçün hazır olur.
PDF-dən mətn çıxararkən nə saxlanılır, nə atılır
Çevirici hər səhifəni oxuma ardıcıllığı ilə, yuxarıdan aşağı və sütun-sütun keçir, tapdığı simvolları yazır. Eyni abzasa aid sətirlər birləşdirilir, abzaslar isə boş sətirlə ayrılır. Hər səhifənin mətni əvvəlkinin ardınca gəlir, beləliklə fəsil fasiləsiz mətn kimi oxunur.
Bütün vizual elementlər atılır: şriftlər, ölçülər, rənglər, şəkillər, diaqramlar və mətnin səhifədəki yeri. Məqsəd də budur. Şəkillərlə dolu 10 MB-lıq hesabat adətən bir neçə yüz kilobaytlıq mətn faylına çevrilir, onda axtarış etmək, versiyaları diff aləti ilə müqayisə etmək və ya tərcümə və ya təhlil alətinə yapışdırmaq asandır.
Komanda sətri istifadəçiləri Poppler və Xpdf layihələrindəki pdftotext alətini tanıya bilər, o rəqəmsal PDF-lərdə oxşar iş görür. Buradakı fərq OCR-dir: mətn qatı olmayan səhifələr boş çıxmaq əvəzinə seçdiyiniz dildə tanınır. PDF olmayan şəkillər üçün şəkildən mətnə alətindən istifadə edin.
Sadə mətn, Markdown, yoxsa Word: düzgün nəticəni seçin
Sadə mətn
Yalnız sözlər, UTF-8.
- Ən kiçik fayl
- İstənilən proqramda açılır
- Başlıq və format yoxdur
Markdown
yüngül işarələmə ilə mətn.
- Başlıqlar # ilə işarələnir
- Siyahılar və qalın mətn saxlanır
- Yenə mətn faylıdır
Word sənədi
Tam redaktə oluna bilən düzüm.
- Cədvəl və şəkillər saxlanır
- Üslublar qorunur
- Mətn prosessoru tələb edir
Mətn faylı niyə bu qədər kiçikdir
1 baytUTF-8 mətn faylında hər ingilis hərfi, rəqəm və ya boşluq üçün
Portable Document Format
PDF 1993-cü ildə Adobe tərəfindən yaradılıb və 2008-ci ildə açıq ISO 32000 standartı olub. Mətni, şriftləri, təsvirləri və düzümü sabitləyir ki, sənəd hər ekranda və printerdə eyni görünsün. PDF-lər formalar, imzalar, keçidlər, əlavələr və axtarıla bilən mətn ehtiva edə bilər, PDF/A variantı isə uzunmüddətli arxivləşdirmə üçün istifadə olunur. Sabit düzüm PDF-ləri redaktə etməyi çətinləşdirir, skan edilmiş PDF-lərdə isə OCR tətbiq edilmədikcə yalnız təsvirlər olur. Hər brauzer və əməliyyat sistemi onları aça bilir.
- Sıxılma
- –
- Şəffaflıq
- Bəli
- Animasiya
- Xeyr
- İlk dəfə təqdim edilib
- 1993 · Adobe
TXT
Sadə mətn
TXT faylı yalnız sadə simvollardan ibarətdir; formatlama, şrift, şəkil və ya səhifə düzümü yoxdur. Müasir mətn faylları adətən bütün dilləri əhatə edən UTF-8 ilə kodlanır, köhnə fayllar isə başqa kodlaşdırmalardan istifadə edib qarışıq simvollar göstərə bilər. Sadə mətn çox kiçikdir, köhnəlmir və telefonlardan serverlərə qədər hər cihazda açılır. Qalın mətn, cədvəl və ya şəkil saxlaya bilmir, ona görə quruluş boşluqlarla və ya sadə işarələmə ilə ifadə olunmalıdır.
- Sıxılma
- –
- Şəffaflıq
- –
- Animasiya
- –
- İlk dəfə təqdim edilib
- –
İnsanlar yalnız sözlər lazım olanda, axtarış, sitat, tərcümə, məlumat təmizləmə və ya başqa proqrama ötürmək üçün PDF-dən sadə mətn çıxarırlar; səhifə düzümü isə yalnız mane olur.
PDF-i mətnə çevirmək: tez-tez verilən suallar
Niyə mətni PDF-dən sadəcə kopyalayıb yapışdıra bilmirəm?
Bir-iki abzas üçün olar, lakin PDF oxuyucudan kopyalama çox vaxt sətir sonlarında sözləri kəsir, sütunları qarışdırır, cümlələrin ortasına səhifə başlıqları əlavə edir və skan edilmiş səhifələrdə heç nə vermir. Çıxarma isə bütün faylı oxuma ardıcıllığı ilə oxuyur və mətn qatı olmayan yerdə OCR işlədir.
Mətn faylı hansı kodlaşdırmadadır?
UTF-8, yəni veb və əksər proqramların standart kodlaşdırması. Windows Notepad 10-cu Windows-un 1903 versiyasından yeni faylları defolt olaraq UTF-8 ilə saxlayır, macOS TextEdit, VS Code və bütün brauzerlər onu soruşmadan oxuyur. Köhnə proqram qəribə simvollar göstərirsə, UTF-8 seçməyə imkan verən idxal seçimini axtarın.
TXT ilə PDF-dən TXT-yə aləti eyni şeydirmi?
Nəticə eynidir: .txt faylı. Bu səhifə təkrar istifadə üçün mətni çıxarmağa yönəlib; PDF-dən TXT-yə isə insanların fayl uzantısı adı ilə də axtardığı eyni çevirmədir.
Cədvəllərə nə olur?
Cədvəl xanaları oxuma ardıcıllığı ilə, tabulyasiya ilə ayrılaraq yazılır, buna görə cədvəl elektron cədvələ kifayət qədər düzgün yapışdırılır. Çevirmənin səbəbi cədvəllərdirsə, PDF-dən Excel-ə sətir və sütunları real xanalarda saxlayır.
Mətni başlıqları işarələnmiş halda ala bilərəmmi?
Sadə mətndə başlığı işarələmək mümkün deyil. Başlıqların, siyahıların və qalın mətnin sadə simvollarla işarələnməsini, eyni zamanda mətn faylı qalmasını istəyirsinizsə, Çevriləcək format bölməsində Markdown seçin.
Skandan mətn çıxarmaq əlyazması üçün işləyirmi?
OCR çap olunmuş mətn üçün hazırlanıb. Səliqəli çap hərfləri çox vaxt oxunur, lakin əlyazması bitişik yazı etibarlı deyil. Ən yaxşı nəticəni 300 dpi ilə çap olunmuş və ya yazılmış skanlar verir.
| PDF-dən Markdown-a | PDF-dən Word-ə | PDF-dən EPUB-a |
| TXT-dən PDF-ə | Şəkildən mətnə | HTML-dən TXT-yə |
