स्कैन PDF को टेक्स्ट में बदलें

Q: दो कॉलम वाले पेज का टेक्स्ट आपस में मिला हुआ क्यों आता है?

जब **टेक्स्ट लेआउट** लेआउट सुरक्षित रखें पर हो, जो यहाँ डिफ़ॉल्ट है, तब कॉलम अलग-अलग रहते हैं। अगर फिर भी दोनों कॉलम की पंक्तियाँ आपस में मिलती हैं, तो स्कैन में उनके बीच की जगह कम है; सीधे पन्नों वाला साफ़ स्कैन आमतौर पर इसे ठीक कर देता है।

अगर PDF में एक भी शब्द हाइलाइट नहीं होता, तो वह स्कैन है: पेजों की फोटो का ढेर, जिसके अंदर कोई टेक्स्ट नहीं। उसे यहाँ अपलोड करें, OCR हर पेज को पढ़कर प्लेन टेक्स्ट में बदल देगा, जिसे आप कॉपी, सर्च और एडिट कर सकते हैं।

या PDF, JPG, JPEG … फ़ाइलें यहाँ ड्रop करें ·

प्रति फ़ाइल अधिकतम 95 MB· अधिकतम 20 फ़ाइलें· 30 मिनट बाद हटा दी जाती हैं

आउटपुट

डॉक्यूमेंट की भाषा

आउटपुट

टेक्स्ट का प्रकार

फ़ाइलें हमारे सर्वर पर प्रोसेस होती हैं और 30 मिनट बाद हटा दी जाती हैं।

दूसरी भाषा

यह भी पहचानें

दो भाषाओं वाले पन्नों के लिए, जैसे अंग्रेज़ी शब्दों वाली हिंदी। अन्यथा "कोई नहीं" रखें; अतिरिक्त भाषा से सटीकता थोड़ी घटती है।

लेआउट

टेक्स्ट लेआउट

लेआउट बनाए रखें कॉलम, पैराग्राफ़ और टेबल को उनकी जगह रखता है। सादा टेक्स्ट एक लगातार ब्लॉक देता है, जिसे फ़ॉर्म में पेस्ट करना आसान है।

इमेज की सफ़ाई

पेज सीधे करें

हल्के तिरछे कोण से लिए गए स्कैन और फ़ोटो सीधे करता है; तिरछी लाइनें शब्द गलत पढ़े जाने का आम कारण हैं।

अपने-आप घुमाएँ

आड़े या उलटे पन्नों को पहचानकर पढ़ने से पहले सीधा करता है।

कंट्रास्ट बढ़ाएँ

पहचान से पहले फीकी या कम रोशनी वाली फ़ोटो को चमकदार बनाता है। धुँधली फ़ोन फ़ोटो के लिए चालू करें; साफ़ स्कैन के लिए बंद रखें।

पेज

PDF और मल्टी-पेज TIFF इनपुट: सभी पन्ने पढ़ें, केवल पहला, या एक रेंज।

इस टूल का उपयोग कैसे करें

1
स्कैन की हुई PDF अपलोड करें
PDF जोड़ें, या एक साथ 20 तक, हर एक 95 MB तक की। कई पेज वाले TIFF स्कैन और एक पेज की इमेज भी चलती हैं।
2
भाषा और पेज चुनें
डॉक्यूमेंट की भाषा English है और आउटपुट सादा टेक्स्ट (.txt) है। दूसरे डॉक्यूमेंट के लिए भाषा बदलें, और लंबी फ़ाइल का सिर्फ़ कुछ हिस्सा पढ़ना हो तो एडवांस्ड सेटिंग में पेज का इस्तेमाल करें।
3
टेक्स्ट पहचानें
टेक्स्ट पहचानें दबाएँ। पहले पेज सीधे किए जाते हैं और सही दिशा में घुमाए जाते हैं, फिर उन्हें क्रम से पढ़कर एक टेक्स्ट फ़ाइल बनाई जाती है।

स्कैन PDF को टेक्स्ट में कैसे बदलें

PDF अपलोड करें, डॉक्यूमेंट की भाषा जाँचें और टेक्स्ट पहचानें दबाएँ। हर पेज की इमेज OCR से पढ़ी जाती है और शब्द पेज के क्रम में .txt फ़ाइल के रूप में मिलते हैं।

1छपे पन्नों के साफ़ 300 DPI स्कैन में आमतौर पर हल्की प्रूफ़रीडिंग ही काफ़ी होती है।
2लंबे डॉक्यूमेंट का कुछ हिस्सा पढ़ने के लिए पेज का इस्तेमाल करें।
3फ़ॉर्मैटिंग या मूल रूप चाहिए तो आउटपुट में Word या सर्चेबल PDF चुनें।

स्कैन PDF बनाम सर्च होने वाली PDF: टेक्स्ट क्यों नहीं मिलता

सिर्फ़ इमेज वाली PDFस्कैन की गई PDF · नॉन-सर्चेबल PDF · फ़्लैट PDF: ऐसी PDF जिसके पन्ने तस्वीरों के रूप में सेव होते हैं, जो आमतौर पर स्कैनर, कॉपियर के स्कैन-टू-ईमेल फ़ीचर या फ़ोन के स्कैनिंग ऐप से बनती है। यह डॉक्यूमेंट जैसी दिखती है, पर अंदर कोई कैरेक्टर कोड नहीं होता, इसलिए कुछ भी सेलेक्ट, सर्च या बोलकर पढ़ा नहीं जा सकता।

Word या ब्राउज़र से एक्सपोर्ट की गई सामान्य PDF में टेक्स्ट ऑब्जेक्ट होते हैं: हर शब्द फ़ॉन्ट और पोज़िशन के साथ कैरेक्टर के रूप में सेव होता है, इसलिए सर्च और कॉपी काम करते हैं। स्कैनर यह सब छोड़कर हर पेज की एक इमेज सेव करता है। कंप्यूटर के लिए आपके कॉन्ट्रैक्ट वाला पेज और बिल्ली की फोटो एक ही तरह का डेटा है।

OCR छूटी हुई परत को दोबारा बनाता है। पेज की इमेज साफ़ की जाती है, पंक्तियाँ और शब्द खोजे जाते हैं, और हर अक्षर की आकृति चुनी गई डॉक्यूमेंट की भाषा की वर्णमाला से मिलाई जाती है। यह पेज वह नतीजा सादा टेक्स्ट के रूप में देता है। सर्चेबल PDF दूसरा आम नतीजा है: स्कैन दिखता रहता है और पहचाने गए शब्द उसके पीछे अदृश्य टेक्स्ट के रूप में जुड़ जाते हैं, जो रेंडरिंग मोड PDF मानक ISO 32000 में शुरू से मान्य है।

मुफ़्त Adobe Acrobat Reader स्कैन दिखा सकता है पर OCR नहीं चलाता; पहचान की सुविधा Acrobat के पेड वर्शन में है। जब शब्द सिर्फ़ एक बार चाहिए और नया सब्सक्रिप्शन नहीं लेना, तो कन्वर्टर आसान रास्ता है। अगर आपके स्कैन फिर भी कमज़ोर आते हैं, तो हमारी गाइड डॉक्यूमेंट को PDF में स्कैन कैसे करें में स्कैनर और फ़ोन की सेटिंग बताई गई हैं।

स्कैन PDF से टेक्स्ट निकालने के लिए स्कैन रेज़ोल्यूशन

Size	Pixels	cm	in	DPI	Fits
Letter	1700 × 2200	21.59 × 27.94	8.5 × 11	200	सिर्फ़ बड़े साफ़ छपे अक्षरों के लिए; छोटा टेक्स्ट अंदाज़े से पढ़ा जाता है
Letter	2550 × 3300	21.59 × 27.94	8.5 × 11	300	छपे पन्नों के OCR के लिए मानक
A4	2480 × 3508	21 × 29.7	8.27 × 11.69	300	A4 कागज़ पर वही बारीकी
A4	3307 × 4677	21 × 29.7	8.27 × 11.69	400	फ़ुटनोट, छोटे अक्षर, पुराने टाइपराइटर के पन्ने

जब स्कैन PDF से निकला टेक्स्ट गड़बड़ आए

पूरे पेज पर शब्द बेमतलब निकलते हैं
पेज शायद किसी दूसरी भाषा या लिपि में है। डॉक्यूमेंट की भाषा को उससे मिलाएँ, और उसी पेज पर दूसरी भाषा हो तो यह भी पहचानें जोड़ें।
पंक्तियाँ वाक्य के बीच में टूटती हैं और शब्दों के अंत में हाइफ़न आते हैं
यह छपी हुई पंक्तियों के टूटने के हिसाब से होता है। टेक्स्ट के एक लगातार ब्लॉक के लिए टेक्स्ट लेआउट में सादा टेक्स्ट प्रवाह चुनें; बचे हुए हाइफ़न को जल्दी से फ़ाइंड और रिप्लेस से हटाना पड़ेगा।
टेक्स्ट फ़ाइल में कुछ पेज नहीं हैं
जाँचें कि एडवांस्ड सेटिंग में पेज सभी पेज पर है। 1-3 जैसी रेंज जान-बूझकर पहचान को सीमित करती है।

PDF

Portable Document Format

PDF को Adobe ने 1993 में बनाया और 2008 में यह ओपन ISO 32000 मानक बना। यह टेक्स्ट, फ़ॉन्ट, इमेज और लेआउट को स्थिर रखता है, ताकि दस्तावेज़ हर स्क्रीन और प्रिंटर पर एक जैसा दिखे। PDF में फ़ॉर्म, सिग्नेचर, लिंक, अटैचमेंट और सर्च होने लायक टेक्स्ट हो सकता है, और PDF/A वेरिएंट लंबे समय के आर्काइव के लिए इस्तेमाल होता है। स्थिर लेआउट के कारण PDF एडिट करना कठिन है, और स्कैन किए PDF में OCR लगाए बिना सिर्फ़ इमेज होती हैं। हर ब्राउज़र और ऑपरेटिंग सिस्टम इन्हें खोल सकता है।

कंप्रेशन: –
ट्रांसपेरेंसी (पारदर्शिता): हाँ
एनिमेशन: नहीं
शुरुआत का वर्ष: 1993 · Adobe

PDF कन्वर्टर

TXT

सादा टेक्स्ट

TXT फ़ाइल में सिर्फ़ सादे अक्षर होते हैं, कोई फ़ॉर्मैटिंग, फ़ॉन्ट, इमेज या लेआउट नहीं। आधुनिक टेक्स्ट फ़ाइलें आमतौर पर UTF-8 में एन्कोड होती हैं, जो हर भाषा को कवर करता है, जबकि पुरानी फ़ाइलें दूसरी एन्कोडिंग में हो सकती हैं और गड़बड़ अक्षर दिखा सकती हैं। सादा टेक्स्ट बहुत छोटा होता है, कभी पुराना नहीं पड़ता और फ़ोन से लेकर सर्वर तक हर डिवाइस पर खुलता है। इसमें बोल्ड टेक्स्ट, टेबल या तस्वीरें नहीं रखी जा सकतीं, इसलिए संरचना को स्पेसिंग या सरल मार्कअप से दिखाना पड़ता है।

कंप्रेशन: –
ट्रांसपेरेंसी (पारदर्शिता): –
एनिमेशन: –
शुरुआत का वर्ष: –

TXT कन्वर्टर

स्कैन की गई PDF में पन्नों की तस्वीरें होती हैं, इसलिए उसके शब्द कॉपी, सर्च या इंडेक्स नहीं किए जा सकते; उन्हें TXT फ़ाइल में पहचानने से स्कैन ऐसा टेक्स्ट बन जाता है जो एडिटर, ट्रांसलेटर या सर्च बॉक्स में काम करता है।

स्कैन PDF से टेक्स्ट: सवाल-जवाब

कैसे पता करें कि मेरी PDF स्कैन है या उसमें पहले से टेक्स्ट है?

कोई वाक्य सेलेक्ट करने या Ctrl+F या Command+F से किसी शब्द को खोजने की कोशिश करें। अगर कर्सर पूरे पेज को तस्वीर की तरह सेलेक्ट कर ले और खोज में कुछ न मिले, तो यह सिर्फ़ इमेज वाला स्कैन है और इसे OCR चाहिए। अगर शब्द सामान्य रूप से हाइलाइट होते हैं, तो टेक्स्ट पहले से मौजूद है और PDF से TXT उसे बिना पहचान के चरण के हू-ब-हू निकाल देता है।

प्लेन टेक्स्ट बेहतर है या सर्च होने वाली PDF?

सादा टेक्स्ट शब्दों को दोबारा इस्तेमाल करने के लिए है: कोट करना, अनुवाद करना, डेटाबेस या ईमेल में पेस्ट करना। सर्चेबल PDF स्कैन का रूप वैसा ही रखती है और टेक्स्ट को उसके पीछे छिपा देती है, जो आर्काइव और कॉन्ट्रैक्ट के लिए ठीक है। अगर आपको दूसरा चाहिए, तो OCR PDF इसी के लिए बना है।

PDF से सबसे अच्छा टेक्स्ट पाने के लिए स्कैन रेज़ोल्यूशन कितना हो?

सामान्य छपे पन्नों के लिए 300 DPI। Tesseract के डॉक्यूमेंटेशन के अनुसार 300 DPI पर लगभग 10 pt से छोटे टेक्स्ट में सटीकता घटती है, इसलिए फ़ुटनोट और छोटे अक्षरों के लिए 400 DPI बेहतर रहता है। 600 DPI से OCR को कम ही फ़ायदा होता है और PDF कई गुना बड़ी हो जाती है।

क्या टाइपराइटर से लिखे या पुरानी किताब के पेज की स्कैन PDF से टेक्स्ट निकाल सकते हैं?

आमतौर पर हाँ। टाइपराइटर और किताब के अक्षर सामान्य छपे अक्षर होते हैं, और पेज सीधे करें जिल्द वाली किताब स्कैन करने से आने वाले झुकाव को ठीक करता है। बहुत फीके पन्ने कंट्रास्ट बढ़ाएँ चालू करने पर बेहतर पढ़े जाते हैं।

दो कॉलम वाले पेज का टेक्स्ट आपस में मिला हुआ क्यों आता है?

जब टेक्स्ट लेआउट लेआउट सुरक्षित रखें पर हो, जो यहाँ डिफ़ॉल्ट है, तब कॉलम अलग-अलग रहते हैं। अगर फिर भी दोनों कॉलम की पंक्तियाँ आपस में मिलती हैं, तो स्कैन में उनके बीच की जगह कम है; सीधे पन्नों वाला साफ़ स्कैन आमतौर पर इसे ठीक कर देता है।