స్కాన్ చేసిన PDF నుండి టెక్స్ట్ కన్వర్టర్
PDFలో ఒక్క పదాన్ని కూడా హైలైట్ చేయలేకపోతే, అది స్కాన్ అని అర్థం. అందులో టెక్స్ట్ ఉండదు, కేవలం పేజీల ఫోటోలే ఉంటాయి. దాన్ని ఇక్కడ అప్‌లోడ్ చేయండి. OCR ప్రతి పేజీని చదివి, మీరు కాపీ, సెర్చ్, ఎడిట్ చేయగల సాదా టెక్స్ట్‌గా మారుస్తుంది.
ఇమేజ్ నుండి టెక్స్ట్
లేదా PDF, JPG, JPEG … ఫైళ్లు ను ఇక్కడ వదలండి ·
ఒక్కో ఫైల్‌కు గరిష్ఠంగా 95 MB· గరిష్ఠంగా 20 ఫైళ్లు· 30 నిమిషాల తర్వాత తొలగించబడతాయి
ఫైళ్లు మా సర్వర్లలో ప్రాసెస్ చేయబడి 30 నిమిషాల తర్వాత తొలగించబడతాయి.
రెండు భాషలు కలిసిన పేజీల కోసం, ఉదా. ఆంగ్ల పదాలతో హిందీ. లేకపోతే 'ఏదీ లేదు' ఉంచండి; అదనపు భాష కచ్చితత్వాన్ని కొద్దిగా తగ్గిస్తుంది.
లేఅవుట్ ఉంచు ఎంచుకుంటే కాలమ్‌లు, పేరాలు, పట్టికలు యథాస్థానంలో ఉంటాయి. సాదా ఒకే నిరంతర టెక్స్ట్ బ్లాక్ ఇస్తుంది, ఫారాల్లో పేస్ట్ చేయడం సులభం.
PDF మరియు బహుళ-పేజీ TIFF ఇన్‌పుట్: అన్ని పేజీలు, మొదటి పేజీ మాత్రమే, లేదా ఒక పరిధిని చదవండి.
చదవాల్సిన పేజీలు, ఉదా. 1-3, 5, 8-10.
ఈ టూల్‌ను ఎలా ఉపయోగించాలి
- 1
స్కాన్ చేసిన PDFని అప్‌లోడ్ చేయండి
PDFని జోడించండి, లేదా గరిష్టంగా 20 ఫైళ్లను, ఒక్కొక్కటి 95 MB వరకు. బహుళ పేజీల TIFF స్కాన్లు, ఒకే పేజీ ఇమేజ్‌లు కూడా పనిచేస్తాయి.
- 2
భాష, పేజీలను ఎంచుకోండి
డాక్యుమెంట్ భాష English, అవుట్‌పుట్ సాదా టెక్స్ట్ (.txt). ఇతర డాక్యుమెంట్లకు భాషను మార్చండి. పొడవైన ఫైల్‌లో కొంత భాగాన్ని మాత్రమే చదవాలంటే అధునాతన సెట్టింగ్‌లులో పేజీలు ఉపయోగించండి.
- 3
టెక్స్ట్‌ను గుర్తించండి
టెక్స్ట్ గుర్తించండి నొక్కండి. పేజీలను ముందుగా నిటారుగా చేసి సరైన దిశలో తిప్పుతారు, తర్వాత క్రమంగా చదివి ఒకే టెక్స్ట్ ఫైల్‌గా ఇస్తారు.
స్కాన్ చేసిన PDF vs సెర్చ్ చేయగల PDF: టెక్స్ట్ ఎందుకు ఉండదు
- ఇమేజ్‌లతో మాత్రమే ఉన్న PDFస్కాన్ చేసిన PDF · వెతకలేని PDF · ఫ్లాట్ PDF
- పేజీలు చిత్రాలుగా నిల్వ అయిన PDF; సాధారణంగా స్కానర్, కాపియర్ స్కాన్-టు-ఈమెయిల్ లేదా ఫోన్ స్కానింగ్ యాప్ వల్ల వస్తుంది. డాక్యుమెంట్‌లా కనిపిస్తుంది కానీ లోపల అక్షర కోడ్‌లు ఉండవు, కాబట్టి ఏదీ ఎంచుకోలేరు, వెతకలేరు, చదివి వినిపించలేరు.
Word లేదా బ్రౌజర్ నుండి ఎగుమతి చేసిన సాధారణ PDFలో టెక్స్ట్ ఆబ్జెక్ట్‌లు ఉంటాయి: ప్రతి పదం ఫాంట్, స్థానంతో అక్షరాలుగా నిల్వ అవుతుంది, అందుకే శోధన, కాపీ పనిచేస్తాయి. స్కానర్ ఇదంతా వదిలి ప్రతి పేజీకి ఒక ఇమేజ్ సేవ్ చేస్తుంది. కంప్యూటర్‌కు మీ ఒప్పందం ఉన్న పేజీ, పిల్లి ఫోటో ఒకే రకమైన డేటా.
OCR లేని పొరను మళ్లీ నిర్మిస్తుంది. పేజీ ఇమేజ్‌ను శుభ్రం చేసి, లైన్లు, పదాలను కనుగొని, ప్రతి అక్షరం ఆకారాన్ని ఎంచుకున్న డాక్యుమెంట్ భాష వర్ణమాలతో పోలుస్తుంది. ఈ పేజీ ఆ ఫలితాన్ని సాదా టెక్స్ట్‌గా ఇస్తుంది. సెర్చబుల్ PDF మరో సాధారణ ఫలితం: స్కాన్ కనిపిస్తూనే ఉండి, గుర్తించిన పదాలు వెనుక అదృశ్య టెక్స్ట్‌గా చేరతాయి; PDF ప్రమాణం ISO 32000 ఎప్పటినుంచో అనుమతించిన రెండరింగ్ మోడ్ ఇది.
ఉచిత Adobe Acrobat Reader స్కాన్‌ను చూపగలదు కానీ OCR చేయదు; గుర్తింపు చెల్లింపు Acrobat వెర్షన్‌లలో భాగం. మరో సబ్‌స్క్రిప్షన్ వద్దనుకుని పదాలు ఒక్కసారి కావాలంటే కన్వర్టర్ సులభమైన మార్గం. స్కాన్లు ఇంకా బలహీనంగా వస్తే, స్కానర్, ఫోన్ సెట్టింగ్‌ల కోసం మా డాక్యుమెంట్‌లను PDFకి స్కాన్ చేయడం ఎలా గైడ్ చూడండి.
స్కాన్ చేసిన PDF నుండి టెక్స్ట్ తీయడానికి స్కాన్ రిజల్యూషన్
| Size | Pixels | cm | in | DPI | Fits |
|---|---|---|---|---|---|
| Letter | 1700 × 2200 | 21.59 × 27.94 | 8.5 × 11 | 200 | పెద్ద, శుభ్రమైన ముద్రణకు మాత్రమే; చిన్న టెక్స్ట్ అంచనాగా వస్తుంది |
| Letter | 2550 × 3300 | 21.59 × 27.94 | 8.5 × 11 | 300 | ముద్రిత పేజీల OCRకి ప్రామాణికం |
| A4 | 2480 × 3508 | 21 × 29.7 | 8.27 × 11.69 | 300 | A4 పేపర్‌పై అదే వివరం |
| A4 | 3307 × 4677 | 21 × 29.7 | 8.27 × 11.69 | 400 | ఫుట్‌నోట్‌లు, చిన్న అక్షరాలు, పాత టైప్రైటర్ పేజీలు |
స్కాన్ చేసిన PDF నుండి టెక్స్ట్ ఫలితం సరిగ్గా రానప్పుడు
పేజీ మొత్తం పదాలు అర్థం లేకుండా వస్తున్నాయి
పేజీ బహుశా వేరే భాష లేదా లిపిలో ఉంది. డాక్యుమెంట్ భాషను దానికి సరిపోయేలా సెట్ చేయండి, అదే పేజీలో రెండో భాషకు ఇది కూడా గుర్తించండి జోడించండి.
వాక్యం మధ్యలో లైన్లు విరిగి, పదాలు హైఫన్‌తో ముగుస్తున్నాయి
ఇది ముద్రణలోని లైన్ బ్రేక్‌లను అనుసరిస్తుంది. ఒకే నిరంతర టెక్స్ట్ కోసం టెక్స్ట్ లేఅవుట్ కింద సాదా టెక్స్ట్ ప్రవాహం ఎంచుకోండి; మిగిలిన హైఫన్‌లకు త్వరగా ఫైండ్ అండ్ రీప్లేస్ చేయండి.
టెక్స్ట్ ఫైల్‌లో కొన్ని పేజీలు లేవు
అధునాతన సెట్టింగ్‌లులో పేజీలు అన్ని పేజీలపై ఉందో చూడండి. 1-3 వంటి పరిధి గుర్తింపును ఉద్దేశపూర్వకంగా పరిమితం చేస్తుంది.
Portable Document Format
PDFని Adobe 1993లో రూపొందించింది, 2008లో ఓపెన్ ISO 32000 ప్రమాణంగా మారింది. ఇది టెక్స్ట్, ఫాంట్లు, చిత్రాలు, లేఅవుట్‌ను స్థిరపరుస్తుంది, కాబట్టి పత్రం ప్రతి స్క్రీన్, ప్రింటర్‌లో ఒకేలా కనిపిస్తుంది. PDFలలో ఫారమ్‌లు, సంతకాలు, లింకులు, అటాచ్‌మెంట్లు, శోధించగల టెక్స్ట్ ఉండవచ్చు, PDF/A రకాన్ని దీర్ఘకాల ఆర్కైవింగ్‌కు వాడతారు. స్థిర లేఅవుట్ వల్ల PDFలను ఎడిట్ చేయడం కష్టం, స్కాన్ చేసిన PDFలలో OCR వర్తింపజేయకపోతే చిత్రాలు మాత్రమే ఉంటాయి. ప్రతి బ్రౌజర్, ఆపరేటింగ్ సిస్టమ్ వీటిని తెరవగలదు.
- కంప్రెషన్
- –
- పారదర్శకత
- అవును
- యానిమేషన్
- కాదు
- పరిచయమైన సంవత్సరం
- 1993 · Adobe
TXT
సాదా టెక్స్ట్
TXT ఫైల్‌లో ఫార్మాటింగ్, ఫాంట్లు, చిత్రాలు, లేఅవుట్ లేకుండా సాదా అక్షరాలు మాత్రమే ఉంటాయి. ఆధునిక టెక్స్ట్ ఫైళ్లు సాధారణంగా అన్ని భాషలను కవర్ చేసే UTF-8లో ఎన్‌కోడ్ అవుతాయి, పాత ఫైళ్లు ఇతర ఎన్‌కోడింగ్‌లు వాడి అక్షరాలు గందరగోళంగా చూపవచ్చు. సాదా టెక్స్ట్ చాలా చిన్నది, ఎప్పటికీ పాతబడదు, ఫోన్ల నుంచి సర్వర్ల వరకు ప్రతి పరికరంలో తెరుచుకుంటుంది. బోల్డ్ టెక్స్ట్, పట్టికలు, చిత్రాలను ఉంచలేదు, కాబట్టి నిర్మాణాన్ని ఖాళీలతో లేదా సరళమైన మార్కప్‌తో చూపాలి.
- కంప్రెషన్
- –
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- –
స్కాన్ చేసిన PDF పేజీల చిత్రాలను నిల్వ చేస్తుంది, కాబట్టి దానిలోని పదాలను కాపీ చేయలేరు, వెతకలేరు, ఇండెక్స్ చేయలేరు; వాటిని TXT ఫైల్‌గా గుర్తించడం వల్ల స్కాన్ ఎడిటర్, అనువాదకం, శోధన బాక్స్‌లో పనిచేసే టెక్స్ట్ అవుతుంది.
స్కాన్ చేసిన PDF నుండి టెక్స్ట్: తరచుగా అడిగే ప్రశ్నలు
నా PDF స్కాన్ చేసినదా, లేక దానిలో ఇప్పటికే టెక్స్ట్ ఉందా అని ఎలా తెలుసుకోవాలి?
ఒక వాక్యాన్ని ఎంచుకోవడానికి లేదా Ctrl+F / Command+F తో ఒక పదాన్ని వెతకడానికి ప్రయత్నించండి. కర్సర్ మొత్తం పేజీని చిత్రంలా ఎంచుకుని, శోధనలో ఏమీ దొరకకపోతే అది ఇమేజ్‌లతో మాత్రమే ఉన్న స్కాన్, OCR అవసరం. పదాలు సాధారణంగా హైలైట్ అయితే టెక్స్ట్ ఇప్పటికే ఉంది; PDF నుండి TXT గుర్తింపు దశ లేకుండానే దాన్ని ఖచ్చితంగా తీస్తుంది.
సాదా టెక్స్ట్ మంచిదా, సెర్చ్ చేయగల PDF మంచిదా?
పదాలను మళ్లీ వాడుకోవడానికి సాదా టెక్స్ట్ మంచిది: ఉటంకించడం, అనువదించడం, డేటాబేస్ లేదా ఈమెయిల్‌లో పేస్ట్ చేయడం. సెర్చబుల్ PDF స్కాన్ రూపాన్ని అలాగే ఉంచి, టెక్స్ట్‌ను వెనుక దాచి ఉంచుతుంది; ఆర్కైవ్‌లు, ఒప్పందాలకు ఇది సరిపోతుంది. రెండోది కావాలంటే OCR PDF దానికోసమే సిద్ధంగా ఉంది.
PDF నుండి ఉత్తమమైన టెక్స్ట్ పొందడానికి ఏ స్కాన్ రిజల్యూషన్ సరైనది?
సాధారణ ముద్రిత పేజీలకు 300 DPI. 300 DPI వద్ద సుమారు 10 pt కంటే చిన్న టెక్స్ట్‌కు ఖచ్చితత్వం తగ్గుతుందని Tesseract డాక్యుమెంటేషన్ చెబుతోంది, కాబట్టి ఫుట్‌నోట్‌లు, చిన్న అక్షరాలకు 400 DPI మేలు. 600 DPI OCRకి అరుదుగా సహాయపడుతుంది, PDFని చాలా రెట్లు పెద్దదిగా చేస్తుంది.
టైప్రైటర్లో టైప్ చేసిన పేజీ లేదా పాత పుస్తకం పేజీని స్కాన్ చేసిన PDF నుండి టెక్స్ట్ తీయవచ్చా?
సాధారణంగా అవును. టైప్రైటర్, పుస్తకం అక్షరాలు సాధారణ ముద్రిత అక్షరాలే, బైండ్ చేసిన పుస్తకాన్ని స్కాన్ చేసినప్పుడు వచ్చే వంకరను పేజీలను నిటారుగా చేయండి సరిచేస్తుంది. బాగా వెలిసిపోయిన పేజీలు కాంట్రాస్ట్ పెంచండి ఆన్ చేస్తే బాగా చదవబడతాయి.
రెండు కాలమ్ల పేజీ నుండి వచ్చిన టెక్స్ట్ ఎందుకు కలగాపులగంగా వస్తుంది?
టెక్స్ట్ లేఅవుట్ లేఅవుట్ ఉంచు అని ఉన్నప్పుడు (ఇక్కడ డిఫాల్ట్) నిలువు వరుసలు వేరుగా ఉంటాయి. అయినా రెండు వరుసల లైన్లు కలిసి వస్తే, స్కాన్లో వాటి మధ్య ఖాళీ తక్కువగా ఉంది; నిటారు పేజీలతో శుభ్రమైన స్కాన్ సాధారణంగా దీన్ని సరిచేస్తుంది.
- OCR PDFస్కాన్ చేసిన PDFలకు సెర్చ్, సెలెక్ట్ చేయగల టెక్స్ట్ లేయర్ జోడించండి లేదా టెక్స్ట్‌ను Word, TXTగా తీయండి. 34 భాషలు, పేజీ పరిధులు, 20 ఫైళ్లు, ఉచితం.
- PDF నుండి TXT కన్వర్టర్PDFని TXTగా ఆన్లైన్లో ఉచితంగా మార్చండి. డిజిటల్ పేజీల అక్షరాలు యథాతథంగా, స్కాన్ పేజీలు OCR ద్వారా; ప్రతి PDFకి ఒక UTF-8 .txt ఫైల్.
- ఆన్లైన్ OCRఫోటోలు, స్క్రీన్షాట్లు, స్కాన్ PDFలకు ఉచిత ఆన్లైన్ OCR. టెక్స్ట్ కాపీ చేయండి లేదా Word, సెర్చ్ చేయగల PDF, Markdownగా సేవ్ చేయండి. OCR పరిమితులు కూడా.
- PDF నుండి Word కన్వర్టర్PDFని నిజంగా ఎడిట్ చేయగల Wordగా మార్చండి. టెక్స్ట్ సాధారణ పేరాలుగా వస్తుంది, స్కాన్ పేజీలకు 34 భాషల్లో OCR, ఒకేసారి 20 ఫైళ్ల వరకు.
- ఇమేజ్ నుండి Word కన్వర్టర్స్క్రీన్షాట్లు, స్కాన్లు, ఫోటోలను ఎడిట్ చేయగల Word డాక్యుమెంట్గా మార్చండి. 34 భాషలు, మిశ్రమ భాషల పేజీలు, స్పష్టమైన చేతిరాత. ఉచితం, సైన్-అప్ అవసరం లేదు.