Skannað PDF í texta

Q: Af hverju ruglast textinn af síðu með tveimur dálkum?

Dálkar haldast aðskildir þegar **Textauppsetning** er stillt á Halda uppsetningu, sem er sjálfgefið hér. Ef línur úr báðum dálkum víxlast samt er bilið milli þeirra á skanninu mjótt; hreinni skönnun með beinum síðum lagar það yfirleitt.

Ef þú getur ekki merkt eitt einasta orð í PDF-skrá er hún skönnuð: bunki af ljósmyndum af síðum án nokkurs texta. Hladdu henni upp hér og OCR les hverja síðu yfir í hreinan texta sem þú getur afritað, leitað í og breytt.

eða slepptu PDF, JPG, JPEG … skrár hér ·

Að hámarki 95 MB á skrá· Allt að 20 skrár· Eytt eftir 30 mínútur

Output

Document language

Output

Text type

Skrár eru unnar á þjónum okkar og eytt eftir 30 mínútur.

Hvernig á að nota tólið

1
Hladdu upp skannaðri PDF-skrá
Bættu við PDF-skránni, eða allt að 20 skrám, hver allt að 95 MB. Marksíðu TIFF-skannanir og stakar myndir virka líka.
2
Veldu tungumál og síður
Tungumál skjals er enska og Úttak er Hreinn texti (.txt). Breyttu tungumálinu fyrir önnur skjöl og notaðu Síður undir Ítarlegar stillingar til að lesa aðeins hluta af langri skrá.
3
Greindu textann
Ýttu á Greina texta. Síðurnar eru fyrst réttar af og snúið upp, síðan lesnar í réttri röð í eina textaskrá.

Skönnuð PDF eða leitarbær PDF: af hverju textann vantar

PDF eingöngu með myndumskönnuð PDF · óleitarhæf PDF · flöt PDF: PDF þar sem síðurnar eru geymdar sem myndir, yfirleitt búin til með skanna, skanna-í-tölvupóst aðgerð ljósritunarvélar eða skönnunarappi í síma. Hún lítur út eins og skjal en inniheldur enga stafakóða, þannig að ekki er hægt að velja texta, leita í honum eða láta lesa hann upphátt.

Venjuleg PDF sem flutt er út úr Word eða vafra inniheldur textahluti: hvert orð er geymt sem stafir með leturgerð og staðsetningu, svo leit og afritun virka. Skanni sleppir öllu þessu og vistar eina mynd á hverja síðu. Fyrir tölvu er síðan með samningnum þínum sama tegund gagna og ljósmynd af ketti.

OCR endurbyggir lagið sem vantar. Síðumyndin er hreinsuð, línur og orð fundin og lögun hvers stafs borin saman við stafrófið í völdu Tungumál skjals. Þessi síða skilar niðurstöðunni sem hreinum texta. Leitarhæf PDF er hin algenga niðurstaðan: skönnunin helst sýnileg og greindum orðum er bætt við á bak við hana sem ósýnilegum texta, birtingarham sem PDF-staðallinn ISO 32000 hefur alltaf leyft.

Ókeypis Adobe Acrobat Reader getur sýnt skönnun en framkvæmir ekki OCR; textagreining fylgir greiddum útgáfum Acrobat. Breytir er flýtileiðin þegar þú þarft orðin einu sinni og vilt ekki aðra áskrift. Ef skannanir þínar koma enn illa út fjallar leiðarvísir okkar um hvernig á að skanna skjöl í PDF um stillingar skanna og síma.

Skönnunarupplausn til að ná texta úr skannaðri PDF-skrá

Size	Pixels	cm	in	DPI	Fits
Letter	1700 × 2200	21,59 × 27,94	8,5 × 11	200	Aðeins stórt, hreint letur; smátt letur er giskað á
Letter	2550 × 3300	21,59 × 27,94	8,5 × 11	300	Staðall fyrir OCR á prentuðum síðum
A4	2480 × 3508	21 × 29,7	8,27 × 11,69	300	Sama nákvæmni á A4 pappír
A4	3307 × 4677	21 × 29,7	8,27 × 11,69	400	Neðanmálsgreinar, smáletur, gamlar ritvélarsíður

Þegar umbreyting skannaðrar PDF-skrár í texta mistekst

Orðin koma út sem della á heilli síðu
Síðan er líklega á öðru tungumáli eða letri. Stilltu Tungumál skjals til samræmis og bættu við Þekkja einnig fyrir annað tungumál á sömu síðu.
Línur rofna í miðri setningu og orð enda á bandstriki
Það fylgir línuskilum prentunarinnar. Veldu Samfelldur texti undir Textauppsetning fyrir einn samfelldan textablokk; bandstrik sem eftir verða þarf að laga með leit og skipti.
Sumar síður vantar í textaskrána
Athugaðu að Síður sé stillt á Allar síður undir Ítarlegar stillingar. Bil eins og 1-3 takmarkar greininguna viljandi.

PDF

Portable Document Format

PDF var búið til af Adobe árið 1993 og varð opni ISO 32000 staðallinn árið 2008. Það festir texta, letur, myndir og uppsetningu svo skjal lítur eins út á öllum skjáum og prenturum. PDF-skjöl geta innihaldið eyðublöð, undirskriftir, tengla, viðhengi og leitarbæran texta, og PDF/A-afbrigðið er notað til langtímavarðveislu. Föst uppsetning gerir PDF erfið í breytingum og skönnuð PDF innihalda aðeins myndir nema OCR sé beitt. Allir vafrar og stýrikerfi geta opnað þau.

Þjöppun: –
Gegnsæi: Já
Hreyfimynd: Nei
Kom fram: 1993 · Adobe

PDF umbreytir

TXT

Hreinn texti

TXT-skrá inniheldur aðeins venjulega stafi án sniðs, leturs, mynda eða umbrots. Nútímatextaskrár eru yfirleitt í UTF-8, sem nær yfir öll tungumál, en eldri skrár geta notað aðra stafakóðun og birt ruglaða stafi. Hreinn texti er agnarlítill, úreldist aldrei og opnast í öllum tækjum, frá símum til netþjóna. Hann getur ekki geymt feitletrun, töflur eða myndir, svo uppbyggingu þarf að tákna með bilum eða einföldu málmerkjamáli.

Þjöppun: –
Gegnsæi: –
Hreyfimynd: –
Kom fram: –

TXT umbreytir

Skönnuð PDF geymir myndir af síðum, þannig að ekki er hægt að afrita orðin, leita í þeim eða skrá þau; með því að greina þau í TXT-skrá verður skönnunin að texta sem nýtist í ritli, þýðanda eða leitarreit.

Spurningar um skannað PDF í texta

Hvernig sé ég hvort PDF-skráin mín er skönnuð eða inniheldur þegar texta?

Reyndu að velja setningu eða leita að orði með Ctrl+F eða Command+F. Ef bendillinn velur alla síðuna eins og mynd og leitin finnur ekkert er þetta skönnuð mynd og þarf OCR. Ef orðin lýsast upp eðlilega er textinn þegar til staðar og PDF í TXT sækir hann nákvæmlega, án textagreiningar.

Er betra að fá hreinan texta eða leitarbæra PDF-skrá?

Hreinn texti er til að endurnýta orðin: til að vitna í þau, þýða, líma í gagnagrunn eða tölvupóst. Leitarhæf PDF heldur útliti skannans og felur textann á bak við hann, sem hentar skjalasöfnum og samningum. Ef þú vilt síðari kostinn er OCR PDF sett upp fyrir það.

Hvaða skönnunarupplausn gefur bestan texta úr PDF?

300 DPI fyrir venjulegar prentaðar síður. Í skjölum Tesseract kemur fram að nákvæmni minnki fyrir texta undir um 10 pt við 300 DPI, þannig að neðanmálsgreinar og smáletur njóta góðs af 400 DPI. 600 DPI hjálpar sjaldan OCR og gerir PDF-skrána margfalt stærri.

Get ég náð texta úr skannaðri PDF-skrá af vélrituðum texta eða gamalli bókarsíðu?

Yfirleitt já. Ritvélaletur og bókaletur eru venjulegir prentstafir og Rétta af síður lagar hallann sem kemur oft við skönnun á innbundinni bók. Mjög fölnaðar síður lesast betur með Auka birtuskil kveikt.

Af hverju ruglast textinn af síðu með tveimur dálkum?

Dálkar haldast aðskildir þegar Textauppsetning er stillt á Halda uppsetningu, sem er sjálfgefið hér. Ef línur úr báðum dálkum víxlast samt er bilið milli þeirra á skanninu mjótt; hreinni skönnun með beinum síðum lagar það yfirleitt.