PDF'yi Metne Dönüştürme
PDF'den yalnızca yazıları alın: yazı tipi, resim veya sayfa düzeni olmadan, arayabileceğiniz, yapıştırabileceğiniz, karşılaştırabileceğiniz, bir betiğe verebileceğiniz ya da çeviri aracına aktarabileceğiniz bir .txt dosyası. Taranmış sayfalar önce OCR ile okunur.
PDF Dönüştürücü
veya PDF dosyaları buraya bırakın ·
Dosya başına en fazla 95 MB· En fazla 20 dosya· 30 dakika sonra silinir
Dosyalar sunucularımızda işlenir ve 30 dakika sonra silinir.
Taranmış PDF'ler sayfa resimleridir. Otomatik, OCR'ı yalnızca metin katmanı olmayan sayfalarda çalıştırır; Her zaman, her sayfa için zorlar.
Taramada basılı olan dil. Doğrusunu seçmek, aksanlı harflerde ve Latin olmayan alfabelerde doğruluğu belirgin biçimde artırır.
Akan metin, düzenlemesi kolay normal paragraflara yeniden akar. Tam yerleşim her bloğu olduğu yere koyar; aynı görünür ama düzenlemesi daha zordur.
Algılanan tabloların çalışma kitabında nereye gideceği.
Virgülle ayrılmış sayfa numaraları veya aralıkları, örn. 1-3, 5, 8-10.
Bu aracı nasıl kullanırsınız
- 1
PDF'yi bırakın
Tek bir PDF yükleyin ya da her biri en fazla 95 MB olan en çok 20 dosya seçin. Yazılı ve taranmış sayfaları bir arada içeren karışık dosyalar sayfa sayfa işlenir.
- 2
İsterseniz kapsamı daraltın
Dönüştürülecek biçim alanında Düz metin zaten seçili gelir. Yalnızca ihtiyacınız olan bölümü ya da eki almak için Gelişmiş ayarlar altındaki Dönüştürülecek sayfalar alanını kullanın.
- 3
.txt dosyasını indirin
Düz metin biçimine Dönüştür → düğmesine basın. Dosya UTF-8 olarak kodlanır; bu yüzden aksanlı harfler ve Latin olmayan yazılar her modern düzenleyicide doğru görünür.
PDF'den metni çıkarmanın en temiz yolu nedir?
Düz bir .txt dosyasına dönüştürün. Her sözcüğü okuma sırasıyla alırsınız; paragraflar boş satırla ayrılır, başka hiçbir şey olmaz ve dosya her düzenleyicide ya da programda kullanıma hazırdır.
PDF'den metin çıkarırken neler korunur, neler atılır
Dönüştürücü her sayfayı okuma sırasıyla, yukarıdan aşağıya ve sütun sütun dolaşır, bulduğu karakterleri yazar. Aynı paragrafa ait satırlar birleştirilir, paragraflar boş satırla ayrılır. Her sayfanın metni bir öncekinin ardından gelir; böylece bir bölüm kesintisiz tek bir metin olarak okunur.
Görsel olan her şey atılır: yazı tipleri, boyutlar, renkler, resimler, grafikler ve metnin sayfadaki konumu. Amaç da budur. Fotoğraflarla dolu 10 MB'lık bir rapor genellikle birkaç yüz kilobaytlık bir metin dosyasına iner; bu dosyada aramak, sürümleri bir diff aracıyla karşılaştırmak veya bir çeviri ya da analiz aracına yapıştırmak daha kolaydır.
Komut satırı kullanıcıları Poppler ve Xpdf projelerinden pdftotext'i bilir; dijital PDF'lerde benzer işi görür. Buradaki fark OCR'dir: metin katmanı olmayan sayfalar boş çıkmak yerine seçtiğiniz dilde tanınır. PDF olmayan resimler için resimden yazıya aracını kullanın.
Düz metin, Markdown veya Word: doğru çıktıyı seçin
Düz metin
Yalnızca sözcükler, UTF-8.
- En küçük dosya
- Her yerde açılır
- Başlık veya biçimlendirme yok
Markdown
Hafif işaretlemeli metin.
- Başlıklar # ile işaretlenir
- Listeler ve kalın metin korunur
- Yine bir metin dosyası
Word belgesi
Tam düzenlenebilir düzen.
- Tablolar ve resimler korunur
- Stiller korunur
- Kelime işlemci gerekir
Metin dosyası neden bu kadar küçük
1 baytUTF-8 metin dosyasındaki her İngilizce harf, rakam veya boşluk için
Portable Document Format
PDF, 1993'te Adobe tarafından oluşturuldu ve 2008'de açık ISO 32000 standardı oldu. Metni, yazı tiplerini, görselleri ve yerleşimi sabitler; böylece belge her ekranda ve yazıcıda aynı görünür. PDF'ler form, imza, bağlantı, ek ve aranabilir metin içerebilir; PDF/A türü uzun süreli arşivleme için kullanılır. Sabit yerleşim PDF'leri düzenlemeyi zorlaştırır ve taranmış PDF'ler OCR uygulanmadıkça yalnızca görsel içerir. Her tarayıcı ve işletim sistemi bunları açabilir.
- Sıkıştırma
- –
- Saydamlık
- Evet
- Animasyon
- Hayır
- Çıkış yılı
- 1993 · Adobe
TXT
Düz metin
TXT dosyası; biçimlendirme, yazı tipi, resim ya da yerleşim olmadan yalnızca düz karakterler içerir. Modern metin dosyaları genellikle her dili kapsayan UTF-8 ile kodlanır; eski dosyalar başka kodlamalar kullanabilir ve bozuk karakterler gösterebilir. Düz metin çok küçüktür, asla eskimez ve telefonlardan sunuculara kadar her cihazda açılır. Kalın yazı, tablo veya resim içeremez; yapı boşluklarla ya da basit işaretlemeyle ifade edilmelidir.
- Sıkıştırma
- –
- Saydamlık
- –
- Animasyon
- –
- Çıkış yılı
- –
Kelimeler yeterli olduğunda, yani arama, alıntı, çeviri, veri temizleme ya da başka bir programa girdi sağlama için, düzen yalnızca engel olduğunda insanlar PDF'den düz metin çıkarır.
PDF'yi metne dönüştürme hakkında SSS
Metni PDF'den neden doğrudan kopyalayıp yapıştıramıyorum?
Bir iki paragraf için kopyalayabilirsiniz, ancak PDF görüntüleyiciden kopyalama çoğu zaman satır sonlarında sözcükleri böler, sütunları karıştırır, cümlelerin ortasına sayfa üst bilgilerini ekler ve taranmış sayfalarda hiç çalışmaz. Metin çıkarma, dosyanın tamamını okuma sırasıyla okur ve metin katmanı olmayan yerlerde OCR uygular.
Metin dosyasının kodlaması nedir?
UTF-8; web ve çoğu yazılımın varsayılan kodlaması. Windows Not Defteri, Windows 10 1903 sürümünden beri yeni dosyaları varsayılan olarak UTF-8 kaydeder; macOS TextEdit, VS Code ve tüm tarayıcılar da bunu sormadan okur. Eski bir program garip karakterler gösterirse içe aktarma seçeneklerinde UTF-8'i seçebileceğiniz bir ayar arayın.
TXT, PDF'den TXT'ye aracıyla aynı şey mi?
Çıktı aynıdır: bir .txt dosyası. Bu sayfa, metni yeniden kullanmak üzere çıkarmaya odaklanır; PDF'den TXT'ye ise aynı dönüşümdür ve insanların dosya uzantısı adıyla da aradığı sayfadır.
Tablolara ne olur?
Tablo hücreleri okuma sırasıyla yazılır ve sekmelerle ayrılır; bu sayede tablo bir elektronik tabloya makul ölçüde düzgün yapışır. Dönüştürme nedeniniz tablolarsa PDF'den Excel'e satır ve sütunları gerçek hücrelerde korur.
Metni başlıkları işaretlenmiş olarak alabilir miyim?
Düz metinde başlığı işaretlemenin bir yolu yoktur. Başlıkların, listelerin ve kalın metnin basit simgelerle işaretlenip dosyanın yine de metin dosyası kalmasını istiyorsanız Dönüştürülecek biçim altında Markdown'ı seçin.
Taranmış belgeden metin çıkarma el yazısında işe yarar mı?
OCR basılı metin için tasarlanmıştır. Düzgün yazılmış büyük harfler çoğunlukla okunur, ancak bitişik el yazısında sonuç güvenilir değildir. En iyi sonucu 300 dpi çözünürlükte yazılı ya da basılı taramalar verir.
| PDF'den Markdown'a | PDF'den Word'e | PDF'den EPUB'a |
| TXT'den PDF'ye | Resimden yazıya | HTML'den TXT'ye |
