Γιατί να εξαγάγετε κείμενο από PDF
Η αντιγραφή κειμένου από πρόγραμμα προβολής PDF συχνά δεν πάει καλά: οι γραμμές σπάνε στη μέση των προτάσεων, οι στήλες μπερδεύονται και η χειροκίνητη επιλογή 50 σελίδων είναι κουραστική. Αυτό το εργαλείο διαβάζει το κείμενο ολόκληρου του εγγράφου με τη μία και σας δίνει καθαρό απλό κείμενο. Χρησιμοποιήστε το για να επικολλήσετε ένα έγγραφο σε email ή σε εργαλείο μετάφρασης, να παραθέσετε αποσπάσματα από μια αναφορά, να περάσετε κείμενο σε άλλο πρόγραμμα, να μετρήσετε λέξεις ή να κρατήσετε ένα αντίγραφο του εγγράφου σε κείμενο με δυνατότητα αναζήτησης.
Τρεις λειτουργίες κειμένου
- Γραμμές: το κείμενο γραμμή προς γραμμή, όπως εμφανίζεται στη σελίδα. Κατάλληλο για λίστες, διευθύνσεις και σύντομα έγγραφα.
- Παράγραφοι: οι γραμμές που ανήκουν μαζί ενώνονται σε παραγράφους και οι λέξεις που τελειώνουν με υφέν στο τέλος της γραμμής συνενώνονται ξανά όπου είναι δυνατό. Ιδανικό για άρθρα, βιβλία και αναφορές που θέλετε να επικολλήσετε σε επεξεργαστή κειμένου ή μεταφραστή.
- Διάταξη: προστίθενται κενά ώστε να διατηρείται η θέση του κειμένου στη σελίδα, έτσι οι πίνακες και οι στήλες παραμένουν περίπου ευθυγραμμισμένοι σε γραμματοσειρά σταθερού πλάτους. Χρήσιμο για τιμολόγια, καταστάσεις και φόρμες.
Η προεπισκόπηση ενημερώνεται όταν αλλάζετε λειτουργία και εμφανίζει τον αριθμό χαρακτήρων και λέξεων.
Επιλογές αρχείου
- Διαχωριστικό σελίδων: μια γραμμή-δείκτης όπως ----- Σελίδα 3 -----, μια κενή γραμμή ή ένας χαρακτήρας αλλαγής σελίδας (form feed) που χρησιμοποιούν ορισμένα προγράμματα.
- Τέλη γραμμής: Windows (CRLF) για το Σημειωματάριο και τα περισσότερα προγράμματα των Windows ή Unix (LF) για macOS, Linux και επεξεργαστές κώδικα.
- BOM: προσθέτει έναν δείκτη στην αρχή του αρχείου που βοηθά παλιά προγράμματα των Windows να αναγνωρίσουν κείμενο UTF-8 σε γλώσσες όπως τα κινεζικά ή τα ρωσικά.
- Ένα αρχείο ανά σελίδα: κάθε σελίδα αποθηκεύεται στο δικό της αρχείο TXT, όλα μαζί σε ένα ZIP.
PDF από σάρωση
Ένα PDF από σάρωση περιέχει μόνο εικόνες σελίδων, επομένως δεν υπάρχει κείμενο για εξαγωγή. Το εργαλείο εντοπίζει τις σελίδες χωρίς κείμενο και σας ενημερώνει. Με ένα κλικ μπορείτε να στείλετε το έγγραφο στο OCR PDF, που αναγνωρίζει το κείμενο και μπορεί να το επιστρέψει απευθείας ως αρχείο TXT. Η ίδια η εξαγωγή κειμένου γίνεται στον browser σας και δεν ανεβάζει το αρχείο σας· το OCR εκτελείται στον διακομιστή μας.
Τι δεν μπορεί να διατηρήσει το απλό κείμενο
Το απλό κείμενο δεν έχει γραμματοσειρές, έντονη γραφή, εικόνες ή πίνακες. Αν χρειάζεστε τη μορφοποίηση, μετατρέψτε το σε επεξεργάσιμο έγγραφο με το PDF σε Word ή περάστε τους πίνακες σε υπολογιστικό φύλλο με το PDF σε Excel. Ορισμένα PDF αποθηκεύουν το κείμενο με ασυνήθιστες κωδικοποιήσεις γραμματοσειρών και τότε το κείμενο που εξάγεται εμφανίζει λάθος χαρακτήρες· σε αυτή την περίπτωση, το OCR συνήθως δίνει καλύτερο αποτέλεσμα.