Kibadilishaji PDF Iliyoskaniwa kuwa Maandishi

Q: Kwa nini maandishi ya ukurasa wenye safu mbili hutoka yamechanganyika?

Safu hubaki tofauti wakati **Mpangilio wa maandishi** umewekwa kuhifadhi mpangilio, ambao ndio chaguo-msingi hapa. Kama mistari ya safu zote mbili bado inachanganyika, pengo kati yake kwenye skani ni dogo; skani safi zaidi yenye kurasa zilizonyooka mara nyingi hutatua.

Ikiwa huwezi kuangazia hata neno moja kwenye PDF, hiyo ni skani: rundo la picha za kurasa zisizo na maandishi ndani. Ipakie hapa na OCR (utambuzi wa maandishi) itasoma kila ukurasa na kuurudisha kama maandishi unayoweza kunakili, kutafuta na kuhariri.

au buruta Faili za PDF, JPG, JPEG … hapa ·

Hadi MB 95 kwa faili· Hadi faili 20· Hufutwa baada ya dakika 30

Matokeo

Lugha ya hati

Matokeo

Aina ya maandishi

Faili huchakatwa kwenye seva zetu na kufutwa baada ya dakika 30.

Jinsi ya kutumia zana hii

1
Pakia PDF iliyoskaniwa
Ongeza PDF, au hadi 20 kati yake, kila moja isiyozidi 95 MB. Skani za TIFF zenye kurasa nyingi na picha za ukurasa mmoja pia zinafanya kazi.
2
Weka lugha na kurasa
Lugha ya hati ni Kiingereza na Matokeo ni Maandishi matupu (.txt). Badilisha lugha kwa hati nyingine, na chini ya Mipangilio ya hali ya juu tumia Kurasa kusoma sehemu tu ya faili ndefu.
3
Tambua maandishi
Bonyeza Tambua maandishi. Kurasa hunyooshwa na kuwekwa wima kwanza, kisha husomwa kwa mpangilio na kuwa faili moja ya maandishi.

PDF iliyoskaniwa dhidi ya PDF inayotafutika: kwa nini maandishi hayapo

PDF ya picha tuPDF iliyoskaniwa · PDF isiyotafutika · PDF bapa: PDF ambayo kurasa zake zimehifadhiwa kama picha, kwa kawaida kutoka kwa skana, kitendo cha kutuma skani kwa barua pepe cha mashine ya kunakili au programu ya kuskani ya simu. Inaonekana kama hati, lakini ndani hakuna misimbo ya herufi, hivyo hakuna kinachoweza kuchaguliwa, kutafutwa wala kusomwa kwa sauti.

PDF ya kawaida iliyotolewa kutoka Word au kivinjari ina vitu vya maandishi: kila neno huhifadhiwa kama herufi zenye fonti na mahali, hivyo utafutaji na kunakili hufanya kazi. Skana huruka yote hayo na kuhifadhi picha moja kwa kila ukurasa. Kwa kompyuta, ukurasa wenye mkataba wako ni aina ileile ya data kama picha ya paka.

OCR hujenga upya safu inayokosekana. Picha ya ukurasa husafishwa, mistari na maneno hupatikana, na umbo la kila herufi hulinganishwa na alfabeti ya Lugha ya hati iliyochaguliwa. Ukurasa huu hurudisha matokeo hayo kama maandishi matupu. PDF inayotafutika ni matokeo mengine ya kawaida: skani hubaki ikionekana na maneno yaliyotambuliwa huongezwa nyuma yake kama maandishi yasiyoonekana, hali ya uonyeshaji ambayo kiwango cha PDF, ISO 32000, kimeiruhusu siku zote.

Adobe Acrobat Reader ya bure inaweza kuonyesha skani lakini haifanyi OCR; utambuzi ni sehemu ya matoleo ya Acrobat yanayolipiwa. Kibadilishaji ni njia ya mkato unapohitaji maneno mara moja na hutaki usajili mwingine. Kama skani zako bado zinatoka hafifu, mwongozo wetu wa jinsi ya kuskani hati kuwa PDF unaeleza mipangilio ya skana na simu.

Azimio la skani kwa kutoa maandishi kutoka PDF iliyoskaniwa

Size	Pixels	cm	in	DPI	Fits
Letter	1700 × 2200	21.59 × 27.94	8.5 × 11	200	Maandishi makubwa safi tu; maandishi madogo hukisiwa
Letter	2550 × 3300	21.59 × 27.94	8.5 × 11	300	Kiwango cha kawaida cha OCR ya kurasa zilizochapishwa
A4	2480 × 3508	21 × 29.7	8.27 × 11.69	300	Undani uleule kwenye karatasi ya A4
A4	3307 × 4677	21 × 29.7	8.27 × 11.69	400	Tanbihi, maandishi madogo, kurasa za zamani za taipureta

Matokeo ya PDF iliyoskaniwa kuwa maandishi yanapoharibika

Maneno yanatoka hayana maana kwenye ukurasa mzima
Huenda ukurasa uko katika lugha au maandishi mengine. Weka Lugha ya hati ilingane nao, na ongeza Tambua pia kwa lugha ya pili kwenye ukurasa uleule.
Mistari imekatika katikati ya sentensi na maneno yanaishia na viunganishi
Hilo hufuata mikato ya mistari iliyochapishwa. Chagua Mtiririko wa maandishi matupu chini ya Mpangilio wa maandishi kupata kipande kimoja kinachoendelea cha maandishi; viunganishi vilivyobaki vinahitaji kutafuta na kubadilisha haraka.
Baadhi ya kurasa hazipo kwenye faili ya maandishi
Hakikisha Kurasa imewekwa kwenye kurasa zote chini ya Mipangilio ya hali ya juu. Masafa kama 1-3 hupunguza utambuzi kwa makusudi.

PDF

Portable Document Format

PDF iliundwa na Adobe mwaka 1993 na ikawa kiwango huria cha ISO 32000 mwaka 2008. Hudumisha maandishi, fonti, picha na mpangilio ili hati ionekane sawa kwenye kila skrini na printa. PDF zinaweza kuwa na fomu, saini, viungo, viambatisho na maandishi yanayotafutika, na toleo la PDF/A hutumiwa kwa uhifadhi wa muda mrefu. Mpangilio uliodumishwa hufanya PDF kuwa ngumu kuhariri, na PDF zilizochanganuliwa zina picha tu isipokuwa OCR itumike. Kila kivinjari na mfumo wa uendeshaji unaweza kuzifungua.

Ubanaji: –
Uwazi: Ndiyo
Uhuishaji: Hapana
Mwaka ulioanzishwa: 1993 · Adobe

Kigeuzi cha PDF

TXT

Maandishi matupu

Faili ya TXT ina herufi tupu pekee bila uumbizaji, fonti, picha wala mpangilio. Faili za kisasa za maandishi mara nyingi husimbwa kwa UTF-8, inayofunika lugha zote, ingawa faili za zamani zinaweza kutumia usimbaji mwingine na kuonyesha herufi zilizochanganyika. Maandishi matupu ni madogo sana, hayapitwi na wakati na hufunguka kwenye kila kifaa, kuanzia simu hadi seva. Hayawezi kuwa na maandishi mazito, majedwali wala picha, kwa hivyo muundo lazima uonyeshwe kwa nafasi au alama rahisi.

Ubanaji: –
Uwazi: –
Uhuishaji: –
Mwaka ulioanzishwa: –

Kigeuzi cha TXT

PDF iliyoskaniwa huhifadhi picha za kurasa, kwa hiyo maneno yake hayawezi kunakiliwa, kutafutwa wala kuorodheshwa; kuyatambua kuwa faili ya TXT hugeuza skani kuwa maandishi yanayofanya kazi kwenye kihariri, kitafsiri au kisanduku cha kutafuta.

Maswali kuhusu PDF iliyoskaniwa kuwa maandishi

Nitajuaje kama PDF yangu imeskaniwa au tayari ina maandishi?

Jaribu kuchagua sentensi au kutafuta neno kwa Ctrl+F au Command+F. Kama kielekezi kinachagua ukurasa mzima kama picha na utafutaji hauoni chochote, ni skani ya picha tu na inahitaji OCR. Kama maneno yanaangaziwa kawaida, maandishi tayari yapo na PDF to TXT huyatoa kama yalivyo, bila hatua ya utambuzi.

Kipi ni bora: maandishi matupu au PDF inayotafutika?

Maandishi matupu ni ya kutumia tena maneno: kunukuu, kutafsiri, kubandika kwenye hifadhidata au barua pepe. PDF inayotafutika huhifadhi muonekano wa skani na kuficha maandishi nyuma yake, jambo linalofaa kwa kumbukumbu na mikataba. Ukitaka hiyo ya pili, OCR PDF imeandaliwa kwa hilo.

Ni azimio gani la skani linalotoa maandishi bora kutoka PDF?

300 DPI kwa kurasa za kawaida zilizochapishwa. Nyaraka za Tesseract zinaeleza usahihi kupungua kwa maandishi chini ya takriban 10 pt kwa 300 DPI, hivyo tanbihi na maandishi madogo hunufaika na 400 DPI. Kwenda 600 DPI mara chache husaidia OCR na hufanya PDF kuwa kubwa mara kadhaa.

Je, naweza kutoa maandishi kutoka PDF iliyoskaniwa ya ukurasa wa taipureta au kitabu cha zamani?

Kwa kawaida ndiyo. Herufi za taipureta na vitabu ni herufi za kawaida zilizochapishwa, na Nyoosha kurasa hurekebisha mwinamo unaotokana mara nyingi na kuskani kitabu kilichoshonwa. Kurasa zilizofifia sana husomeka vizuri zaidi Ongeza utofautishaji ikiwashwa.

Kwa nini maandishi ya ukurasa wenye safu mbili hutoka yamechanganyika?

Safu hubaki tofauti wakati Mpangilio wa maandishi umewekwa kuhifadhi mpangilio, ambao ndio chaguo-msingi hapa. Kama mistari ya safu zote mbili bado inachanganyika, pengo kati yake kwenye skani ni dogo; skani safi zaidi yenye kurasa zilizonyooka mara nyingi hutatua.