Taranmış PDF'yi Metne Dönüştürme

Q: İki sütunlu bir sayfanın metni neden karışık çıkıyor?

**Metin yerleşimi** varsayılan olan Yerleşimi koru seçeneğindeyken sütunlar ayrı tutulur. Yine de iki sütunun satırları karışıyorsa taramada aralarındaki boşluk dardır; sayfaları düz olan daha temiz bir tarama genellikle sorunu çözer.

Bir PDF'de tek bir kelimeyi bile seçemiyorsanız o dosya taranmıştır: içinde metin olmayan, üst üste dizilmiş sayfa fotoğraflarından oluşur. Dosyayı buraya yükleyin; OCR her sayfayı okuyup kopyalayabileceğiniz, arayabileceğiniz ve düzenleyebileceğiniz düz metne dönüştürsün.

veya PDF, JPG, JPEG … dosyaları buraya bırakın ·

Dosya başına en fazla 95 MB· En fazla 20 dosya· 30 dakika sonra silinir

Çıktı

Belge dili

Çıktı

Metin türü

Dosyalar sunucularımızda işlenir ve 30 dakika sonra silinir.

Bu aracı nasıl kullanırsınız

1
Taranmış PDF'yi yükleyin
PDF'yi ya da her biri en fazla 95 MB olan en çok 20 PDF'yi ekleyin. Çok sayfalı TIFF taramalar ve tek sayfalık resimler de çalışır.
2
Dili ve sayfaları ayarlayın
Belge dili İngilizce, Çıktı ise Düz metin (.txt) olarak ayarlıdır. Başka belgeler için dili değiştirin; uzun bir dosyanın yalnızca belirli bir aralığını okumak için Gelişmiş ayarlar altındaki Sayfalar seçeneğini kullanın.
3
Metni tanıyın
Metni tanı düğmesine basın. Sayfalar önce düzeltilir ve dik hale getirilir, ardından sırayla okunarak tek bir metin dosyasına aktarılır.

Taranmış PDF ve aranabilir PDF: metin neden yok?

Yalnızca görüntü içeren PDFtaranmış PDF · aranamayan PDF · düz PDF: Sayfaları resim olarak saklanan PDF; genellikle tarayıcı, fotokopi makinesinin e-postaya tarama özelliği veya telefondaki tarama uygulaması üretir. Belge gibi görünür ama içinde karakter kodu yoktur; bu yüzden hiçbir şey seçilemez, aranamaz veya sesli okunamaz.

Word'den veya bir tarayıcıdan dışa aktarılan normal bir PDF metin nesneleri içerir: her sözcük bir yazı tipi ve konumla karakterler olarak saklanır, bu yüzden arama ve kopyalama çalışır. Tarayıcı bunların hiçbirini yapmaz ve sayfa başına tek bir resim kaydeder. Bilgisayar için sözleşmenizin olduğu sayfa, bir kedi fotoğrafıyla aynı türde veridir.

OCR eksik katmanı yeniden oluşturur. Sayfa resmi temizlenir, satırlar ve sözcükler bulunur ve her karakter şekli seçilen Belge dili alfabesiyle eşleştirilir. Bu sayfa sonucu düz metin olarak verir. Aranabilir PDF ise diğer yaygın sonuçtur: tarama görünür kalır, tanınan sözcükler arkasına görünmez metin olarak eklenir; bu, PDF standardı ISO 32000'in baştan beri izin verdiği bir işleme modudur.

Ücretsiz Adobe Acrobat Reader taramayı görüntüleyebilir ama OCR çalıştırmaz; tanıma ücretli Acrobat sürümlerinin parçasıdır. Sözcüklere bir kez ihtiyacınız varsa ve yeni bir abonelik istemiyorsanız dönüştürücü kısa yoldur. Taramalarınız hâlâ zayıf çıkıyorsa belgeleri PDF'ye tarama rehberimiz tarayıcı ve telefon ayarlarını anlatır.

Taranmış PDF'den metin çıkarmak için tarama çözünürlüğü

Size	Pixels	cm	in	DPI	Fits
Letter	1700 × 2200	21,59 × 27,94	8,5 × 11	200	Yalnızca büyük ve temiz baskı için; küçük yazılar tahmin edilir
Letter	2550 × 3300	21,59 × 27,94	8,5 × 11	300	Basılı sayfaların OCR'ı için standart
A4	2480 × 3508	21 × 29,7	8,27 × 11,69	300	A4 kağıtta aynı ayrıntı
A4	3307 × 4677	21 × 29,7	8,27 × 11,69	400	Dipnotlar, küçük yazılar, eski daktilo sayfaları

Taranmış PDF'den metne dönüştürme sonucu bozuk çıktığında

Sözcükler tüm sayfada anlamsız çıkıyor
Sayfa büyük olasılıkla başka bir dilde veya alfabede. Belge dili ayarını ona uyacak şekilde değiştirin; aynı sayfadaki ikinci bir dil için Ayrıca tanınacak dil seçeneğini ekleyin.
Satırlar cümle ortasında bölünüyor ve sözcükler tireyle bitiyor
Bu, basılı satır sonlarını izler. Tek parça sürekli metin için Metin yerleşimi altında Düz metin akışı seçeneğini seçin; kalan tireler için hızlı bir bul ve değiştir yeterlidir.
Bazı sayfalar metin dosyasında yok
Gelişmiş ayarlar altında Sayfalar seçeneğinin Tüm sayfalar olduğundan emin olun. 1-3 gibi bir aralık tanımayı bilerek sınırlar.

PDF

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

PDF dönüştürücü

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: –

TXT dönüştürücü

Taranmış bir PDF sayfaların resimlerini saklar; bu yüzden sözcükleri kopyalanamaz, aranamaz ve dizinlenemez. Bunları TXT dosyasına tanıtmak, taramayı bir düzenleyicide, çeviri aracında veya arama kutusunda kullanılabilen metne dönüştürür.

Taranmış PDF'yi metne çevirme hakkında sorular

PDF'imin taranmış mı yoksa zaten metin içeriyor mu olduğunu nasıl anlarım?

Bir cümleyi seçmeyi ya da Ctrl+F veya Command+F ile bir sözcük aramayı deneyin. İmleç tüm sayfayı bir resim gibi seçiyorsa ve arama hiçbir şey bulmuyorsa, bu yalnızca görüntüden oluşan bir taramadır ve OCR gerekir. Sözcükler normal şekilde vurgulanıyorsa metin zaten vardır; PDF'den TXT'ye aracı tanıma adımı olmadan metni olduğu gibi çıkarır.

Düz metin mi, aranabilir PDF mi daha iyi bir sonuç?

Düz metin, sözcükleri yeniden kullanmak içindir: alıntı yapma, çeviri, veri tabanına veya e-postaya yapıştırma. Aranabilir PDF ise taramanın görünümünü korur ve metni arkasına gizler; arşivler ve sözleşmeler için uygundur. İkincisini istiyorsanız OCR PDF bunun için hazırlanmıştır.

PDF'den en iyi metni almak için hangi tarama çözünürlüğü gerekir?

Normal basılı sayfalar için 300 DPI. Tesseract belgeleri, 300 DPI'da yaklaşık 10 punto altındaki metinlerde doğruluğun düştüğünü belirtir; bu yüzden dipnotlar ve küçük yazılar için 400 DPI daha iyidir. 600 DPI'ya çıkmak OCR'a nadiren yardımcı olur ve PDF'yi birkaç kat büyütür.

Daktiloyla yazılmış veya eski bir kitap sayfasının taranmış PDF'sinden metin çıkarabilir miyim?

Genellikle evet. Daktilo ve kitap yazısı düzenli basılı harflerdir; Sayfaları düzelt ise ciltli bir kitabı tararken sık görülen eğikliği giderir. Çok solmuş sayfalar Kontrastı artır açıkken daha iyi okunur.

İki sütunlu bir sayfanın metni neden karışık çıkıyor?

Metin yerleşimi varsayılan olan Yerleşimi koru seçeneğindeyken sütunlar ayrı tutulur. Yine de iki sütunun satırları karışıyorsa taramada aralarındaki boşluk dardır; sayfaları düz olan daha temiz bir tarama genellikle sorunu çözer.