แปลง PDF สแกนเป็นข้อความ

Q: ทำไมข้อความจากหน้าที่มีสองคอลัมน์จึงออกมาปนกัน

คอลัมน์จะถูกแยกจากกันเมื่อ **เค้าโครงข้อความ** ตั้งเป็นคงเค้าโครง ซึ่งเป็นค่าเริ่มต้นของหน้านี้ หากบรรทัดจากสองคอลัมน์ยังสลับกัน แสดงว่าช่องว่างระหว่างคอลัมน์ในไฟล์สแกนแคบ การสแกนที่คมชัดกว่าและหน้าตรงมักแก้ปัญหานี้ได้

หากไฮไลต์คำใดใน PDF ไม่ได้เลย แสดงว่าไฟล์นั้นเป็นไฟล์สแกน ซึ่งเป็นภาพถ่ายของหน้ากระดาษเรียงต่อกันโดยไม่มีข้อความอยู่ภายใน อัปโหลดไฟล์ที่นี่ แล้ว OCR จะอ่านทุกหน้ากลับมาเป็นข้อความธรรมดาที่คัดลอก ค้นหา และแก้ไขได้

หรือลากไฟล์ PDF, JPG, JPEG … มาวางที่นี่ ·

สูงสุด 95 MB ต่อไฟล์· ได้สูงสุด 20 ไฟล์· ลบหลังจาก 30 นาที

ผลลัพธ์

ภาษาของเอกสาร

ผลลัพธ์

ประเภทข้อความ

ไฟล์จะถูกประมวลผลบนเซิร์ฟเวอร์ของเราและถูกลบหลังจาก 30 นาที

ภาษาที่สอง

รู้จำภาษาเพิ่มเติม

สำหรับหน้าที่มีสองภาษาปนกัน เช่น ภาษาฮินดีที่มีคำภาษาอังกฤษ หากไม่ใช่ให้เลือกไม่มี เพราะภาษาเพิ่มเติมจะลดความแม่นยำลงเล็กน้อย

เค้าโครง

เค้าโครงข้อความ

คงเค้าโครงจะรักษาคอลัมน์ ย่อหน้า และตารางไว้ในตำแหน่งเดิม ส่วนข้อความต่อเนื่องจะให้ข้อความเป็นก้อนเดียว ซึ่งวางลงในแบบฟอร์มได้ง่ายกว่า

การปรับแต่งภาพ

ปรับหน้าให้ตรง

แก้ไขภาพสแกนและรูปถ่ายที่ถ่ายเอียงเล็กน้อย บรรทัดที่เอียงเป็นสาเหตุทั่วไปที่ทำให้อ่านคำผิด

หมุนอัตโนมัติ

ตรวจหาหน้าที่ตะแคงหรือกลับหัว แล้วหมุนให้ตั้งตรงก่อนอ่าน

เพิ่มคอนทราสต์

เพิ่มความสว่างให้รูปถ่ายที่ซีดจางหรือแสงน้อยก่อนการรู้จำ เปิดใช้สำหรับรูปถ่ายจากโทรศัพท์ที่มืด และปิดไว้สำหรับภาพสแกนที่สะอาด

หน้า

สำหรับไฟล์ PDF และ TIFF หลายหน้า: อ่านทุกหน้า เฉพาะหน้าแรก หรือช่วงหน้าที่กำหนด

วิธีใช้เครื่องมือนี้

1
อัปโหลด PDF สแกน
เพิ่มไฟล์ PDF ได้สูงสุด 20 ไฟล์ ไฟล์ละไม่เกิน 95 MB รองรับไฟล์สแกน TIFF หลายหน้าและรูปภาพหน้าเดียวเช่นกัน
2
เลือกภาษาและหน้า
ภาษาของเอกสาร ตั้งไว้เป็นภาษาอังกฤษ และ ผลลัพธ์ เป็น ข้อความล้วน (.txt) หากเอกสารเป็นภาษาอื่นให้เปลี่ยนภาษา และใน การตั้งค่าขั้นสูง ใช้ หน้า เพื่อดึงข้อความเฉพาะช่วงหน้าของไฟล์ยาว
3
รู้จำข้อความ
กด ดึงข้อความ ระบบจะปรับหน้าให้ตรงและหมุนให้ตั้งขึ้นก่อน จากนั้นอ่านตามลำดับหน้าและรวมเป็นไฟล์ข้อความเดียว

วิธีแปลง PDF สแกนเป็นข้อความ

อัปโหลดไฟล์ PDF ตรวจสอบ ภาษาของเอกสาร แล้วกด ดึงข้อความ ระบบจะอ่านรูปภาพทุกหน้าด้วย OCR และส่งข้อความกลับมาเป็นไฟล์ .txt เรียงตามลำดับหน้า

1ไฟล์สแกน 300 DPI ที่คมชัดของหน้าพิมพ์มักตรวจทานเพียงเล็กน้อย
2ใช้ หน้า เพื่ออ่านเฉพาะบางส่วนของเอกสารยาว
3เลือก Word หรือ PDF ที่ค้นหาได้ใน ผลลัพธ์ หากต้องการคงรูปแบบหรือหน้าตาเดิม

PDF สแกนกับ PDF ที่ค้นหาข้อความได้ต่างกันอย่างไร และทำไมจึงไม่มีข้อความ

PDF ที่เป็นภาพล้วนPDF สแกน · PDF ที่ค้นหาข้อความไม่ได้ · PDF แบบแบน: PDF ที่เก็บหน้าไว้เป็นรูปภาพ มักมาจากเครื่องสแกน ฟังก์ชันสแกนส่งอีเมลของเครื่องถ่ายเอกสาร หรือแอปสแกนบนมือถือ ดูเหมือนเอกสารทั่วไป แต่ภายในไม่มีรหัสตัวอักษร จึงเลือก ค้นหา หรือให้โปรแกรมอ่านออกเสียงไม่ได้

PDF ปกติที่ส่งออกจาก Word หรือเบราว์เซอร์มีวัตถุข้อความ โดยแต่ละคำถูกเก็บเป็นตัวอักษรพร้อมฟอนต์และตำแหน่ง จึงค้นหาและคัดลอกได้ แต่เครื่องสแกนข้ามขั้นตอนทั้งหมดนี้และบันทึกเป็นรูปภาพหนึ่งภาพต่อหน้า สำหรับคอมพิวเตอร์ หน้าที่มีสัญญาของคุณจึงเป็นข้อมูลประเภทเดียวกับรูปแมว

OCR สร้างเลเยอร์ที่ขาดหายไปขึ้นใหม่ โดยทำความสะอาดรูปภาพของหน้า หาบรรทัดและคำ แล้วเทียบรูปร่างของแต่ละตัวอักษรกับชุดอักษรของ ภาษาของเอกสาร ที่เลือก หน้านี้ส่งผลลัพธ์กลับเป็นข้อความล้วน ส่วน PDF ที่ค้นหาได้เป็นอีกผลลัพธ์ที่พบบ่อย คือคงไฟล์สแกนไว้ให้มองเห็นและเพิ่มคำที่รู้จำได้ไว้ด้านหลังเป็นข้อความที่มองไม่เห็น ซึ่งเป็นโหมดการแสดงผลที่มาตรฐาน PDF คือ ISO 32000 อนุญาตมาโดยตลอด

Adobe Acrobat Reader ฉบับฟรีแสดงไฟล์สแกนได้แต่ไม่มี OCR การรู้จำตัวอักษรเป็นส่วนของ Acrobat ฉบับเสียเงิน ตัวแปลงไฟล์จึงเป็นทางลัดเมื่อคุณต้องการข้อความเพียงครั้งเดียวและไม่อยากสมัครสมาชิกเพิ่ม หากไฟล์สแกนของคุณยังออกมาไม่ดี คู่มือ วิธีสแกนเอกสารเป็น PDF อธิบายการตั้งค่าเครื่องสแกนและมือถือไว้

ความละเอียดการสแกนสำหรับดึงข้อความจาก PDF สแกน

Size	Pixels	cm	in	DPI	Fits
Letter	1700 × 2200	21.59 × 27.94	8.5 × 11	200	เหมาะกับตัวพิมพ์ใหญ่ที่ชัดเท่านั้น ตัวอักษรเล็กจะถูกเดา
Letter	2550 × 3300	21.59 × 27.94	8.5 × 11	300	ค่ามาตรฐานสำหรับ OCR หน้าพิมพ์
A4	2480 × 3508	21 × 29.7	8.27 × 11.69	300	รายละเอียดเท่ากันบนกระดาษ A4
A4	3307 × 4677	21 × 29.7	8.27 × 11.69	400	เชิงอรรถ ตัวอักษรเล็ก และหน้าพิมพ์ดีดเก่า

เมื่อแปลง PDF สแกนเป็นข้อความแล้วผลลัพธ์ผิดพลาด

คำทั้งหน้าออกมาเป็นตัวอักษรที่ไม่มีความหมาย
หน้านั้นอาจเป็นภาษาหรือตัวอักษรอื่น ตั้ง ภาษาของเอกสาร ให้ตรงกัน และเพิ่ม รู้จำภาษาเพิ่มเติม หากในหน้าเดียวกันมีอีกภาษาหนึ่ง
บรรทัดขาดกลางประโยคและคำลงท้ายด้วยเครื่องหมายยัติภังค์
เป็นไปตามการขึ้นบรรทัดของต้นฉบับ เลือก ข้อความต่อเนื่อง ใน เค้าโครงข้อความ เพื่อให้ได้ข้อความเป็นก้อนเดียวต่อเนื่อง ส่วนเครื่องหมายยัติภังค์ที่เหลือต้องใช้ค้นหาและแทนที่อีกเล็กน้อย
ไฟล์ข้อความขาดบางหน้า
ตรวจสอบว่า หน้า ใน การตั้งค่าขั้นสูง ตั้งเป็นทุกหน้า ช่วงหน้า เช่น 1-3 จะจำกัดการดึงข้อความตามที่ตั้งใจไว้

PDF

Portable Document Format

PDF สร้างขึ้นโดย Adobe ในปี 1993 และกลายเป็นมาตรฐานเปิด ISO 32000 ในปี 2008 รูปแบบนี้ตรึงข้อความ ฟอนต์ รูปภาพ และเลย์เอาต์ไว้ เอกสารจึงแสดงผลเหมือนกันบนทุกหน้าจอและเครื่องพิมพ์ ไฟล์ PDF สามารถมีแบบฟอร์ม ลายเซ็น ลิงก์ ไฟล์แนบ และข้อความที่ค้นหาได้ และรุ่นย่อย PDF/A ใช้สำหรับการเก็บถาวรระยะยาว เลย์เอาต์ที่ตายตัวทำให้แก้ไข PDF ได้ยาก และ PDF ที่สแกนมาจะมีเพียงภาพเท่านั้นหากไม่ได้ทำ OCR เบราว์เซอร์และระบบปฏิบัติการทุกตัวเปิดไฟล์นี้ได้

การบีบอัด: –
พื้นหลังโปร่งใส: ได้
ภาพเคลื่อนไหว: ไม่ได้
เปิดตัว: 1993 · Adobe

ตัวแปลงไฟล์ PDF

TXT

ข้อความธรรมดา

ไฟล์ TXT มีเพียงอักขระธรรมดา ไม่มีการจัดรูปแบบ ฟอนต์ รูปภาพ หรือเลย์เอาต์ ไฟล์ข้อความสมัยใหม่มักเข้ารหัสแบบ UTF-8 ซึ่งครอบคลุมทุกภาษา แต่ไฟล์รุ่นเก่าอาจใช้การเข้ารหัสอื่นและแสดงเป็นอักขระที่อ่านไม่ออก ข้อความธรรมดามีขนาดเล็กมาก ไม่มีวันล้าสมัย และเปิดได้บนทุกอุปกรณ์ ตั้งแต่โทรศัพท์ไปจนถึงเซิร์ฟเวอร์ ไม่สามารถเก็บตัวหนา ตาราง หรือรูปภาพได้ โครงสร้างจึงต้องแสดงด้วยการเว้นวรรคหรือมาร์กอัปอย่างง่าย

การบีบอัด: –
พื้นหลังโปร่งใส: –
ภาพเคลื่อนไหว: –
เปิดตัว: –

ตัวแปลงไฟล์ TXT

PDF ที่สแกนเก็บหน้าไว้เป็นรูปภาพ จึงคัดลอก ค้นหา หรือจัดทำดัชนีคำไม่ได้ การดึงข้อความเป็นไฟล์ TXT ทำให้ไฟล์สแกนกลายเป็นข้อความที่ใช้ในโปรแกรมแก้ไข เครื่องมือแปลภาษา หรือช่องค้นหาได้

คำถามเกี่ยวกับการแปลง PDF สแกนเป็นข้อความ

จะรู้ได้อย่างไรว่า PDF เป็นไฟล์สแกนหรือมีข้อความอยู่แล้ว

ลองลากเลือกประโยคหรือค้นหาคำด้วย Ctrl+F หรือ Command+F หากเคอร์เซอร์เลือกทั้งหน้าเหมือนรูปภาพและค้นหาไม่พบอะไรเลย แสดงว่าเป็นไฟล์สแกนที่เป็นภาพล้วนและต้องใช้ OCR แต่ถ้าคำถูกไฮไลต์ตามปกติ แสดงว่ามีข้อความอยู่แล้ว ใช้ แปลง PDF เป็น TXT เพื่อดึงข้อความออกมาได้ตรงตามต้นฉบับโดยไม่ต้องผ่านขั้นตอนรู้จำตัวอักษร

ข้อความธรรมดากับ PDF ที่ค้นหาข้อความได้ แบบไหนดีกว่ากัน

ข้อความล้วนเหมาะกับการนำถ้อยคำไปใช้ต่อ เช่น อ้างอิง แปลภาษา หรือวางลงในฐานข้อมูลและอีเมล ส่วน PDF ที่ค้นหาได้จะคงหน้าตาของไฟล์สแกนไว้และซ่อนข้อความไว้ด้านหลัง เหมาะกับงานเก็บเอกสารและสัญญา หากต้องการแบบหลัง OCR PDF ตั้งค่าไว้สำหรับงานนี้แล้ว

ความละเอียดการสแกนเท่าใดจึงดึงข้อความจาก PDF ได้ดีที่สุด

ใช้ 300 DPI สำหรับหน้าพิมพ์ทั่วไป เอกสารของ Tesseract ระบุว่าความแม่นยำลดลงเมื่อตัวอักษรเล็กกว่าประมาณ 10 pt ที่ 300 DPI ดังนั้นเชิงอรรถและตัวอักษรเล็กควรใช้ 400 DPI การสแกนที่ 600 DPI แทบไม่ช่วยให้ OCR ดีขึ้นและทำให้ไฟล์ PDF ใหญ่ขึ้นหลายเท่า

ดึงข้อความจาก PDF สแกนที่เป็นหน้าพิมพ์ดีดหรือหนังสือเก่าได้หรือไม่

ได้ในกรณีส่วนใหญ่ ตัวพิมพ์ดีดและตัวพิมพ์ในหนังสือเป็นตัวอักษรพิมพ์ปกติ และ ปรับหน้าให้ตรง จะแก้ความเอียงที่มักเกิดจากการสแกนหนังสือเย็บเล่ม หน้าที่ซีดมากจะอ่านได้ดีขึ้นเมื่อเปิด เพิ่มคอนทราสต์

ทำไมข้อความจากหน้าที่มีสองคอลัมน์จึงออกมาปนกัน

คอลัมน์จะถูกแยกจากกันเมื่อ เค้าโครงข้อความ ตั้งเป็นคงเค้าโครง ซึ่งเป็นค่าเริ่มต้นของหน้านี้ หากบรรทัดจากสองคอลัมน์ยังสลับกัน แสดงว่าช่องว่างระหว่างคอลัมน์ในไฟล์สแกนแคบ การสแกนที่คมชัดกว่าและหน้าตรงมักแก้ปัญหานี้ได้