ทำไมต้องดึงข้อความจาก PDF
การคัดลอกข้อความจากโปรแกรมอ่าน PDF มักมีปัญหา เช่น บรรทัดขาดกลางประโยค คอลัมน์ปนกัน และการเลือกข้อความ 50 หน้าด้วยมือก็เหนื่อยมาก เครื่องมือนี้อ่านข้อความของทั้งเอกสารในครั้งเดียวและให้ข้อความธรรมดาที่สะอาด ใช้วางลงในอีเมลหรือเครื่องมือแปลภาษา อ้างอิงรายงาน ส่งข้อความเข้าโปรแกรมอื่น นับจำนวนคำ หรือเก็บสำเนาข้อความของเอกสารที่ค้นหาได้
ข้อความสามโหมด
- บรรทัด: ข้อความทีละบรรทัดตามที่ปรากฏในหน้า เหมาะกับรายการ ที่อยู่ และเอกสารสั้น ๆ
- ย่อหน้า: รวมบรรทัดที่อยู่ด้วยกันเป็นย่อหน้า และต่อคำที่ถูกตัดด้วยยัติภังค์ท้ายบรรทัดให้เท่าที่ทำได้ เหมาะที่สุดกับบทความ หนังสือ และรายงานที่ต้องการวางในโปรแกรมประมวลผลคำหรือเครื่องมือแปลภาษา
- เลย์เอาต์: เพิ่มช่องว่างเพื่อคงตำแหน่งของข้อความในหน้า ทำให้ตารางและคอลัมน์ยังเรียงตรงกันพอสมควรเมื่อใช้ฟอนต์ monospace เหมาะกับใบแจ้งหนี้ รายการเดินบัญชี และแบบฟอร์ม
ตัวอย่างจะอัปเดตเมื่อคุณเปลี่ยนโหมด และแสดงจำนวนอักขระและจำนวนคำ
ตัวเลือกไฟล์
- ตัวแบ่งหน้า: บรรทัดป้ายกำกับ เช่น ----- Page 3 -----, บรรทัดว่าง หรืออักขระ form feed ที่บางโปรแกรมใช้เป็นตัวขึ้นหน้าใหม่
- ตัวจบบรรทัด: Windows (CRLF) สำหรับ Notepad และโปรแกรมส่วนใหญ่บน Windows หรือ Unix (LF) สำหรับ macOS, Linux และโปรแกรมแก้ไขโค้ด
- BOM: เพิ่มเครื่องหมายที่จุดเริ่มต้นไฟล์ ช่วยให้โปรแกรม Windows รุ่นเก่าจดจำข้อความ UTF-8 ในภาษาอย่างจีนหรือรัสเซียได้
- หนึ่งไฟล์ต่อหน้า: แต่ละหน้าจะอยู่ในไฟล์ TXT ของตัวเอง และรวมไว้ใน ZIP เดียว
PDF ที่สแกนมา
PDF ที่สแกนมามีเพียงภาพของหน้ากระดาษ จึงไม่มีข้อความให้ดึง เครื่องมือนี้จะตรวจพบหน้าที่ไม่มีข้อความและแจ้งให้คุณทราบ คุณสามารถส่งเอกสารไปที่ OCR PDF ได้ในคลิกเดียว ซึ่งจะรู้จำข้อความและส่งกลับเป็นไฟล์ TXT ได้ทันที การดึงข้อความทำงานในเบราว์เซอร์ของคุณและไม่อัปโหลดไฟล์ ส่วน OCR ทำงานบนเซิร์ฟเวอร์ของเรา
สิ่งที่ข้อความธรรมดาเก็บไว้ไม่ได้
ข้อความธรรมดาไม่มีฟอนต์ ตัวหนา รูปภาพ หรือตาราง หากต้องการคงรูปแบบ ให้แปลงเป็นเอกสารที่แก้ไขได้ด้วย PDF เป็น Word หรือนำตารางไปใส่สเปรดชีตด้วย PDF เป็น Excel PDF บางไฟล์เก็บข้อความด้วยการเข้ารหัสฟอนต์ที่ไม่ปกติ ทำให้ข้อความที่ดึงออกมามีอักขระผิดเพี้ยน ในกรณีนี้ OCR มักให้ผลลัพธ์ที่ดีกว่า