Kopiatzen uzten ez duen PDF baten testua kopiatzea
Argitaratua: · Eguneratua: 1 min-ko irakurketa
PDF batek benetako testua edo testu-irudiak baino ez ditu. Erauzketaren emaitza lehen puntu horren araberakoa da.
Benetako testua edo testu-irudia
Ireki PDFa eta saiatu hitz bat hautatzen. Hautaketak funtzionatzen badu, dokumentuak benetako testua du. Bestela, bere orrialdeak irudiak dira, eskaneatze batenak bezala.
Tresnak zer egiten duen
PDF testura tresnak benetako testua zuzenean irakurtzen du eta karaktere-ezagutza aplikatzen die testurik ez duten orrialdeei. Emaitza testu-fitxategi bat da, orrialde bakoitzaren aurretik markatzaile batekin: «--- Page 1 [native] ---» benetako testurako, «--- Page 1 [ocr] ---» ezagututako orrialde baterako. Txostenaren hamar orrialdeek 5 KB-ko fitxategi bat ematen dute.
Bi zutabeko orrialde bat
Tresnak lerroak orrialdearen zabalera osoan irakurtzen ditu. Bi zutabeko lerroak, beraz, nahasten dira: «Colonne de gauche. Le compost de printemps Colonne de droite. Un atelier sur la récupération». Lerro-amaieran moztutako hitz bat moztuta geratzen da: «com» eta gero «mencé», marratxoa desagertzen da. Taula bateko gelaxkak lerro bakar batean iristen dira, zuriuneez bereizita.
Eskaneatutako orrialde bat
Irudi bihurtutako orrialde berak ez du jada benetako testurik. Ezagutzak bost segundo inguru hartzen ditu eta testua, moztutako hitza eta taularen hiru lerroak berriro aurkitzen ditu, zutabe nahasi berberekin. Motorra frantseserako konfiguratuta dago: beste hizkuntza bat okerrago ezagutu daiteke, eta eskaneatzearen zorroztasunak emaitzari eragiten dio.
Berrirakurri erabili aurretik
- Egiaztatu izen bereziak, zenbakiak eta azentuak.
- Aurkitu zutabe-aldaketak.
- Maketazioa gordetzeko, bihurtu PDFa irudietara horren ordez.
- Gorde jatorrizko PDFa.