PDF σε Κείμενο — Δωρεάν Online Εξαγωγέας Κειμένου

Ένα ψηφιακό PDF παράγεται από λογισμικό, οπότε περιέχει τους χαρακτήρες αυτούς καθαυτούς. Ένα σαρωμένο PDF είναι μια στοίβα εικόνων σελίδων που παράγονται από έναν σαρωτή ή μια κάμερα, οπότε δεν περιέχει καθόλου χαρακτήρες. Αυτή η διαφορά καθορίζει τα πάντα σχετικά με το αποτέλεσμα. Το ψηφιακό αρχείο σας δίνει ακριβές κείμενο. Το σαρωμένο αρχείο πρέπει να αναγνωριστεί, και η αναγνώριση είναι πολύ καλή σε καθαρές σαρώσεις και λιγότερο καλή σε στραβές, θολές ή κακώς φωτισμένες. Συνήθως μπορείτε να καταλάβετε ποιο είδος έχετε ανοίγοντας το αρχείο σε έναν αναγνώστη PDF και προσπαθώντας να επιλέξετε μια γραμμή κειμένου με το ποντίκι σας. Αν η επιλογή επισημαίνει λέξεις, υπάρχει ένα επίπεδο κειμένου.

Για σελίδες με πραγματικό επίπεδο κειμένου, ναι. Οι χαρακτήρες διαβάζονται από το αρχείο αντί να αναγνωρίζονται από μια εικόνα, οπότε δεν εκτελούνται διαδικασίες OCR σε αυτούς και δεν υπάρχει τίποτα για να διαβαστεί λανθασμένα. Η σειρά ανάγνωσης είναι το μόνο πράγμα που μπορεί ακόμα να σας εκπλήξει, επειδή το επίπεδο κειμένου αποθηκεύει πού κάθε σειρά χαρακτήρων βρίσκεται και όχι τι σημαίνει, οπότε μια σελίδα με στήλες ή πλαϊνές γραμμές μπορεί να βγει σε μια σειρά που δεν ταιριάζει με τον τρόπο που κινείται το μάτι σας. Οι λέξεις αυτές είναι οι λέξεις στο αρχείο. Σελίδες χωρίς επίπεδο κειμένου περνούν από OCR αντίθετα, και αυτές φέρουν την συνήθη ακρίβεια αναγνώρισης.

Μέχρι 25 σελίδες ανά PDF. Ένα μεγαλύτερο αρχείο εξακολουθεί να γίνεται αποδεκτό: οι πρώτες 25 σελίδες εξάγονται και μια ειδοποίηση στο αποτέλεσμα σας λέει πόσες σελίδες αποκλείστηκαν. Το όριο υπάρχει επειδή η εργασία εκτελείται στον δικό σας υπολογιστή, και ένα μεγάλο σαρωμένο έγγραφο σημαίνει μία διαδικασία OCR ανά σελίδα μέσα στην καρτέλα του προγράμματος περιήγησής σας. Αν χρειάζεστε το υπόλοιπο, χωρίστε το αρχείο σε έναν αναγνώστη PDF και εκτελέστε τις υπόλοιπες σελίδες ως δεύτερο αρχείο.

Όχι. Ένα κρυπτογραφημένο PDF δεν μπορεί να ανοιχτεί χωρίς τον κωδικό του, και αυτή η σελίδα δεν σας ζητάει έναν ή προσπαθεί να παρακάμψει την προστασία. Αντί αυτού, λαμβάνετε ένα σαφές σφάλμα αντί για ένα κενό αποτέλεσμα. Ανοίξτε το αρχείο στον αναγνώστη που χρησιμοποιείτε κανονικά, αυθεντικοποιήστε με τον τρόπο που κάνετε συνήθως, αποθηκεύστε ένα αντίγραφο με τον κωδικό αφαιρεμένο και εκτελέστε αυτό το αντίγραφο εδώ.

Όχι. Το αρχείο διαβάζεται από τον δίσκο σας στη σελίδα και ανοίγεται από έναν αναγνώστη PDF που εκτελείται στον περιηγητή σας. Δεν υπάρχει σημείο ανάρτησης σε αυτόν τον ιστότοπο για να το παραλάβει. Αυτό είναι το όλο νόημα για τα έγγραφα που οι άνθρωποι φέρνουν πραγματικά σε ένα εργαλείο σαν αυτό: τραπεζικές καταστάσεις, αποδείξεις πληρωμής, φορολογικές δηλώσεις, υπογεγραμμένα συμβόλαια και σαρώσεις μιας ταυτότητας. Παρακολουθήστε την καρτέλα δικτύου κατά τη διάρκεια μιας εκτέλεσης και θα δείτε τον αναγνώστη και το μοντέλο OCR να φτάνουν, και τίποτα να φεύγει με το έγγραφό σας.

Η πλευρά OCR διαβάζει Αγγλικά, Ισπανικά, Ρουμανικά, Αραβικά, Ελληνικά, Τουρκικά, Ινδονησιακά, Ρωσικά και Ιαπωνικά. Επιλέξτε τη γλώσσα πριν εξάγετε, επειδή η μηχανή ταιριάζει τα σχήματα με το μοντέλο που επιλέγετε και το λάθος μοντέλο διαβάζει κακά. Σελίδες που έχουν ήδη ένα επίπεδο κειμένου αγνοούν εντελώς τη ρύθμιση, καθώς αυτοί οι χαρακτήρες διαβάζονται από το αρχείο όπως είναι, όποιο σενάριο και αν είναι γραμμένο.

Ναι. Επιλέξτε μια παρτίδα και τα αρχεία επεξεργάζονται διαδοχικά αντί παράλληλα. Κάθε αποτέλεσμα εμφανίζεται μόλις ολοκληρωθεί το αρχείο του, οπότε μπορείτε να αρχίσετε να διαβάζετε ενώ τα υπόλοιπα εξακολουθούν να εκτελούνται. Η ζώνη πτώσης δείχνει το όριο για μια μόνο εκτέλεση. Η διαδοχική επεξεργασία διατηρεί τη χρήση μνήμης προβλέψιμη, κάτι που έχει σημασία περισσότερο σε ένα τηλέφωνο.

Όχι. Η έξοδος είναι απλό κείμενο, οπότε ένας πίνακας επιστρέφει ως το περιεχόμενο των κελιών του αντί για ένα πλέγμα, και οι τίτλοι, οι υποσημειώσεις και οι λεζάντες δεν επισημαίνονται ως τίποτα. Η σειρά ανάγνωσης μπορεί επίσης να διαφέρει από τη οπτική διάταξη, επειδή η θέση είναι αυτό που αποθηκεύει το αρχείο και το νόημα δεν είναι. Η ευθεία πρόζα έρχεται σχεδόν πάντα στην σωστή σειρά. Μια σελίδα με πλαϊνές γραμμές, πολλές στήλες ή μια συμπληρωμένη φόρμα είναι εκεί που θα πρέπει να διαβάσετε την έξοδο πριν βασιστείτε σε αυτήν.

Όχι, και θα προτιμούσαμε να το πούμε εδώ παρά να σας αφήσουμε να το ανακαλύψετε με ένα αρχείο που έχει σημασία. Η μηχανή OCR είναι εκπαιδευμένη σε εκτυπωμένους χαρακτήρες. Το χειρόγραφο, οι υπογραφές και τα χειρόγραφα πεδία φόρμας βρίσκονται εκτός αυτού που μπορεί να κάνει, και αυτό που επιστρέφεται από αυτά είναι θόρυβος που έχει σχήμα κειμένου. Μια σαρωμένη σελίδα που αναμειγνύει εκτύπωση με χειρόγραφο σας δίνει το εκτυπωμένο μέρος και ανοησίες εκεί που είναι η γραφή.

Απλό κείμενο. Αντιγράψτε το στο πρόχειρο σας με ένα κουμπί ή κατεβάστε το ως αρχείο .txt, με τις σελίδες χωρισμένες και επισημασμένες ώστε να μπορείτε να βρείτε τη θέση σας σε ένα μεγάλο έγγραφο. Δεν υπάρχει αρχείο επεξεργαστή κειμένου, δεν υπάρχει αναζητήσιμο PDF και δεν υπάρχει μορφοποίηση που να μεταφέρεται. Αν χρειάζεστε τις λέξεις κάπου αλλού, επικολλήστε τις σε ένα έγγραφο, ένα υπολογιστικό φύλλο ή έναν μεταφραστή.

Αυτή είναι η άλλη κατεύθυνση, και έχει τη δική της σελίδα σε αυτόν τον ιστότοπο. Ο μετατροπέας JPG σε PDF παίρνει φωτογραφίες ή σαρώσεις και τις γράφει σε ένα μόνο PDF, στον περιηγητή σας, χωρίς να ανεβάσει τίποτα. Χρησιμοποιήστε το όταν έχετε εικόνες και χρειάζεστε ένα έγγραφο. Χρησιμοποιήστε αυτή τη σελίδα όταν έχετε ένα έγγραφο και χρειάζεστε τις λέξεις από αυτό.

Ναι, δωρεάν χωρίς λογαριασμό και χωρίς μετρητή χρήσης. Δεν υπάρχει εγγραφή, δεν υπάρχει υδατογράφημα στο κείμενο, δεν υπάρχουν πιστώσεις και δεν υπάρχει πληρωμένη βαθμίδα που να κρατά πίσω μια καλύτερη έκδοση. Η εξαγωγή εκτελείται στον δικό σας υπολογιστή, οπότε δεν υπάρχει κόστος ανά αρχείο διακομιστή για εμάς να σας μεταφέρουμε.