Menyalin teks dari PDF yang tidak bisa disalin
Dipublikasikan · Diperbarui 1 menit baca
Sebuah PDF berisi teks asli atau hanya gambar teks. Hasil ekstraksi bergantung pada hal pertama ini.
Teks asli atau gambar teks
Buka PDF dan coba pilih satu kata. Jika pemilihan berhasil, dokumen berisi teks asli. Jika tidak, halamannya adalah gambar, seperti pada hasil pindai.
Apa yang dilakukan alat ini
PDF ke teks membaca teks asli secara langsung dan menerapkan pengenalan karakter pada halaman yang tidak memilikinya. Hasilnya berkas teks dengan penanda sebelum tiap halaman: “--- Page 1 [native] ---” untuk teks asli, “--- Page 1 [ocr] ---” untuk halaman yang dikenali. Sepuluh halaman laporan menghasilkan berkas 5 KB.
Halaman dua kolom
Alat ini membaca baris di sepanjang lebar halaman. Baris dari dua kolom karena itu bercampur: “Colonne de gauche. Le compost de printemps Colonne de droite. Un atelier sur la récupération”. Kata yang terpotong di ujung baris tetap terpotong: “com” lalu “mencé”, tanda hubungnya hilang. Sel-sel tabel tiba dalam satu baris, dipisahkan spasi.
Halaman hasil pindai
Halaman yang sama yang diubah menjadi gambar tidak lagi memiliki teks asli. Pengenalan memakan sekitar lima detik dan menemukan kembali teks, kata yang terpotong, dan tiga baris tabel, dengan kolom yang tetap bercampur. Mesinnya diatur untuk bahasa Prancis: bahasa lain mungkin dikenali kurang baik, dan ketajaman hasil pindai memengaruhi hasilnya.
Baca ulang sebelum memakai
- Periksa nama diri, angka, dan tanda aksen.
- Perhatikan tempat kolom berganti.
- Untuk mempertahankan tata letak, ubah PDF menjadi gambar.
- Simpan PDF aslinya.