Copiar el text d’un PDF que no deixa copiar
Publicat el · Actualitzat el 1 min de lectura
Un PDF conté text real o només imatges de text. El resultat de l’extracció depèn d’aquest primer punt.
Text real o imatge de text
Obriu el PDF i proveu de seleccionar una paraula. Si la selecció funciona, el document conté text real. Si no, les seves pàgines són imatges, com les d’un escaneig.
Què fa l’eina
PDF a text llegeix directament el text real i aplica el reconeixement de caràcters a les pàgines que no en tenen. El resultat és un fitxer de text amb una marca abans de cada pàgina: «--- Page 1 [native] ---» per a text real, «--- Page 1 [ocr] ---» per a una pàgina reconeguda. Les deu pàgines de l’informe donen un fitxer de 5 KB.
Una pàgina de dues columnes
L’eina llegeix les línies en tota l’amplada de la pàgina. Les línies de dues columnes es barregen, doncs: «Colonne de gauche. Le compost de printemps Colonne de droite. Un atelier sur la récupération». Una paraula tallada al final de línia continua tallada: «com» i després «mencé», el guionet desapareix. Les cel·les d’una taula arriben en una sola línia, separades per espais.
Una pàgina escanejada
La mateixa pàgina convertida en imatge ja no té text real. El reconeixement triga uns cinc segons i retroba el text, la paraula tallada i les tres línies de la taula, amb les mateixes columnes barrejades. El motor està configurat per al francès: una altra llengua pot ser reconeguda pitjor, i la nitidesa de l’escaneig afecta el resultat.
Rellegir abans d’utilitzar
- Comproveu els noms propis, els nombres i els accents.
- Localitzeu els canvis de columna.
- Per conservar la maquetació, convertiu en canvi el PDF en imatges.
- Conserveu el PDF original.