Cupià u testu d’un PDF chì ùn si lascia cupià
Publicatu u · Messu à ghjornu u 1 min di lettura
Un PDF cunteni testu veru o solu immagine di testu. U risultatu di l’estrazione dipende da stu primu puntu.
Testu veru o immagine di testu
Apite u PDF è pruvate à selezziunà una parolla. S’è a selezzione funziona, u documentu cunteni testu veru. Se no, e so pagine sò immagine, cum’è quelle d’una scansione.
Ciò chì face u strumentu
PDF in testu leghje direttamente u testu veru è appiica u ricunniscimentu di caratteri à e pagine chì ùn ne anu. U risultatu hè un schedariu di testu cù un marcatore nanzu à ogni pagina: «--- Page 1 [native] ---» per u testu veru, «--- Page 1 [ocr] ---» per una pagina ricunnisciuta. E deci pagine di u raportu danu un schedariu di 5 Ko.
Una pagina di duie colonne
U strumentu leghje e linee nant’à tutta a larghezza di a pagina. E linee di duie colonne si mischjanu dunque: «Colonne de gauche. Le compost de printemps Colonne de droite. Un atelier sur la récupération». Una parolla tagliata à a fine di linea resta tagliata: «com» dopu «mencé», u trattinu sparisce. E celle d’una tavula ghjunghjenu nant’à una sola linea, separate da spazii.
Una pagina scansita
A listessa pagina cunvertita in immagine ùn hà più testu veru. U ricunniscimentu piglia circa cinque seconde è ritrova u testu, a parolla tagliata è e trè linee di a tavula, cù e listesse colonne mischjate. U mutore hè rigulatu per u francese: un’altra lingua pò esse ricunnisciuta peghju, è a nitidezza di a scansione pesa nant’à u risultatu.
Rileghje prima d’impiegà
- Verificate i nomi propii, i numeri è l’accenti.
- Truvate i cambiamenti di colonna.
- Per cunservà a mpaginazione, cunvertite piuttostu u PDF in immagine.
- Cunservate u PDF uriginale.