Pretvornik skeniranega PDF v besedilo
Če v PDF ne morete označiti niti ene besede, gre za sken: kup fotografij strani brez besedila v njih. Naložite ga tukaj in OCR prebere vsako stran v navadno besedilo, ki ga lahko kopirate, v njem iščete in ga urejate.
Slika v besedilo
ali spustite datoteke PDF, JPG, JPEG … sem ·
Največ 95 MB na datoteko· Do 20 datotek· Izbrisano po 30 minutah
Datoteke se obdelajo na naših strežnikih in izbrišejo po 30 minutah.
Za strani z mešanico dveh jezikov, npr. hindijščine z angleškimi besedami. Sicer pustite na brez; dodaten jezik nekoliko zmanjša natančnost.
Ohrani ohrani stolpce, odstavke in tabele na njihovih mestih. Navadno izpiše en sam neprekinjen blok besedila, ki ga je lažje prilepiti v obrazce.
Vnos PDF in večstranski TIFF: preberi vse strani, samo prvo ali obseg.
Strani za branje, npr. 1-3, 5, 8-10.
Kako uporabljati to orodje
- 1
Naložite skeniran PDF
Dodajte PDF ali do 20 datotek, vsako do 95 MB. Delujejo tudi večstranski skeni TIFF in slike z eno stranjo.
- 2
Nastavite jezik in strani
Jezik dokumenta je angleščina, Izhod pa Navadno besedilo (.txt). Za druge dokumente zamenjajte jezik, pod Napredne nastavitve pa z možnostjo Strani preberite le obseg strani dolge datoteke.
- 3
Prepoznajte besedilo
Pritisnite Prepoznaj besedilo. Strani se najprej poravnajo in obrnejo pokonci, nato se po vrsti preberejo v eno besedilno datoteko.
Skeniran PDF in PDF z možnostjo iskanja: zakaj besedilo manjka
- PDF samo s slikamiskeniran PDF · PDF brez iskanja · ploščat PDF
- PDF, katerega strani so shranjene kot slike, običajno iz optičnega bralnika, funkcije skeniranja v e-pošto na kopirnem stroju ali telefonske aplikacije za skeniranje. Videti je kot dokument, vendar vsebuje ni kod znakov, zato ni mogoče ničesar označiti, iskati ali prebrati na glas.
Običajni PDF, izvožen iz Worda ali brskalnika, vsebuje besedilne objekte: vsaka beseda je shranjena kot znaki s pisavo in položajem, zato iskanje in kopiranje delujeta. Optični bralnik vse to preskoči in shrani eno sliko na stran. Za računalnik so podatki strani s pogodbo iste vrste kot fotografija mačke.
OCR obnovi manjkajočo plast. Slika strani se očisti, poiščejo se vrstice in besede, oblika vsakega znaka pa se primerja z abecedo izbranega Jezik dokumenta. Ta stran vrne rezultat kot navadno besedilo. PDF z iskanjem je drugi pogosti rezultat: sken ostane viden, prepoznane besede pa so dodane za njim kot nevidno besedilo, v načinu izrisa, ki ga standard PDF, ISO 32000, vedno dovoljuje.
Brezplačni Adobe Acrobat Reader lahko prikaže sken, vendar ne izvaja OCR; prepoznavanje je del plačljivih različic Acrobata. Pretvornik je bližnjica, kadar potrebujete besede enkrat in ne želite še ene naročnine. Če so vaši skeni še vedno slabi, vodnik kako skenirati dokumente v PDF opisuje nastavitve optičnega bralnika in telefona.
Ločljivost skeniranja za izvlečenje besedila iz skeniranega PDF
| Size | Pixels | cm | in | DPI | Fits |
|---|---|---|---|---|---|
| Letter | 1700 × 2200 | 21,59 × 27,94 | 8,5 × 11 | 200 | Samo velik čist tisk; majhno besedilo se ugiba |
| Letter | 2550 × 3300 | 21,59 × 27,94 | 8,5 × 11 | 300 | Standard za OCR tiskanih strani |
| A4 | 2480 × 3508 | 21 × 29,7 | 8,27 × 11,69 | 300 | Enaka podrobnost na papirju A4 |
| A4 | 3307 × 4677 | 21 × 29,7 | 8,27 × 11,69 | 400 | Opombe, drobni tisk, strani starih pisalnih strojev |
Ko pretvorba skeniranega PDF v besedilo ne uspe
Besede so na celotni strani nesmiselne
Stran je verjetno v drugem jeziku ali pisavi. Nastavite Jezik dokumenta ustrezno, za drugi jezik na isti strani pa dodajte Prepoznaj tudi.
Vrstice so prelomljene sredi stavka, besede pa se končajo s pomišljaji
To sledi tiskanim prelomom vrstic. Pod Postavitev besedila izberite Navaden tok besedila za en neprekinjen blok besedila; preostale pomišljaje je treba popraviti z iskanjem in zamenjavo.
V besedilni datoteki manjkajo nekatere strani
Preverite, ali je Strani pod Napredne nastavitve nastavljeno na vse strani. Obseg, kot je 1-3, namenoma omeji prepoznavanje.
Portable Document Format
PDF je leta 1993 ustvaril Adobe, leta 2008 pa je postal odprt standard ISO 32000. Določi besedilo, pisave, slike in postavitev, tako da je dokument na vsakem zaslonu in tiskalniku videti enako. PDF lahko vsebuje obrazce, podpise, povezave, priloge in iskalno besedilo, različica PDF/A pa se uporablja za dolgotrajno arhiviranje. Zaradi stalne postavitve je PDF težko urejati, skenirani PDF-ji pa vsebujejo le slike, razen če se uporabi OCR. Odprejo ga vsi brskalniki in operacijski sistemi.
- Stiskanje
- –
- Prosojnost
- Da
- Animacija
- Ne
- Uvedeno
- 1993 · Adobe
TXT
Navadno besedilo
Datoteka TXT vsebuje samo navadne znake brez oblikovanja, pisav, slik ali postavitve. Sodobne besedilne datoteke so običajno kodirane v UTF-8, ki zajema vse jezike, starejše pa lahko uporabljajo druge kodne tabele in prikažejo popačene znake. Navadno besedilo je majhno, nikoli ne zastara in se odpre na vsaki napravi, od telefonov do strežnikov. Ne more vsebovati krepkega besedila, tabel ali slik, zato je treba strukturo izraziti z razmiki ali preprosto označevalno sintakso.
- Stiskanje
- –
- Prosojnost
- –
- Animacija
- –
- Uvedeno
- –
Skeniran PDF vsebuje slike strani, zato besed ni mogoče kopirati, iskati ali indeksirati; s prepoznavanjem v datoteko TXT sken postane besedilo, ki deluje v urejevalniku, prevajalniku ali iskalnem polju.
Vprašanja o pretvorbi skeniranega PDF v besedilo
Kako ugotovim, ali je moj PDF skeniran ali že vsebuje besedilo?
Poskusite označiti stavek ali poiskati besedo s Ctrl+F oziroma Command+F. Če kazalec označi celo stran kot sliko in iskanje ne najde ničesar, je to sken, ki vsebuje samo sliko, in potrebuje OCR. Če se besede običajno označijo, je besedilo že v datoteki, PDF v TXT pa ga izvleče natančno, brez prepoznavanja.
Je boljši rezultat navadno besedilo ali PDF z možnostjo iskanja?
Navadno besedilo je namenjeno ponovni uporabi besed: citiranju, prevajanju, lepljenju v zbirko podatkov ali e-pošto. PDF z iskanjem ohrani videz skena, besedilo pa skrije za njim, kar ustreza arhivom in pogodbam. Če želite drugo možnost, je zanjo pripravljen OCR PDF.
Katera ločljivost skeniranja da najboljše besedilo iz PDF?
300 DPI za običajne tiskane strani. Dokumentacija programa Tesseract navaja, da natančnost pade pri besedilu, manjšem od približno 10 pt pri 300 DPI, zato se opombe in drobni tisk bolje odrežejo pri 400 DPI. 600 DPI redko pomaga pri OCR, PDF pa postane večkrat večji.
Ali lahko izvlečem besedilo iz skeniranega PDF strani, natipkane na pisalni stroj, ali strani stare knjige?
Običajno da. Pisalni stroj in knjižna pisava sta navadni tiskani črki, Poravnaj strani pa popravi nagib, ki pogosto nastane pri skeniranju vezane knjige. Zelo zbledele strani se bolje preberejo z vklopljeno možnostjo Izboljšaj kontrast.
Zakaj je besedilo s strani v dveh stolpcih premešano?
Stolpci ostanejo ločeni, kadar je Postavitev besedila nastavljena na ohrani postavitev, kar je tu privzeto. Če se vrstice obeh stolpcev še vedno prepletajo, je razmik med njima na skenu ozek; čistejši sken z ravnimi stranmi običajno odpravi težavo.
- OCR PDFSkeniranim PDF dodajte plast besedila za iskanje in označevanje ali besedilo izvlecite v Word ali TXT. 34 jezikov, obseg strani, 20 datotek, brezplačno.
- Pretvornik PDF v TXTPretvorite PDF v TXT brezplačno. Digitalne strani ohranijo točne znake, skeni gredo skozi OCR, za vsak PDF dobite eno UTF-8 .txt datoteko.
- OCR na spletuBrezplačen OCR za fotografije, posnetke zaslona in skenirane PDF. Kopirajte besedilo ali shranite Word, iskalni PDF ali Markdown.
- Pretvornik PDF v WordPretvorite PDF v Word, ki ga lahko urejate. Besedilo v navadnih odstavkih, skeni prek OCR v 34 jezikih, do 20 datotek hkrati.
- Pretvornik slik v WordPosnetke zaslona, skene in fotografije pretvorite v urejljiv Word. 34 jezikov, mešane strani in čitljiv rokopis. Brezplačno, brez registracije.