Copiar lo tèxte d’un PDF que daissa pas copiar
Publicat lo · Mes a jorn lo 1 min de lectura
Un PDF conten de tèxte vertadièr o sonque d’imatges de tèxte. Lo resultat de l’extraccion depend d’aqueste primièr punt.
Tèxte vertadièr o imatge de tèxte
Dobrissètz lo PDF e ensajatz de seleccionar un mot. Se la seleccion fonciona, lo document conten de tèxte vertadièr. Siquenon, sas paginas son d’imatges, coma las d’un escanatge.
Çò que fa l’esplech
PDF en tèxte legís dirèctament lo tèxte vertadièr e aplica la reconeissença de caractèrs a las paginas que n’an pas. Lo resultat es un fichièr de tèxte amb un marcador abans cada pagina: «--- Page 1 [native] ---» per lo tèxte vertadièr, «--- Page 1 [ocr] ---» per una pagina reconeguda. Las dètz paginas del rapòrt donan un fichièr de 5 Ko.
Una pagina de doas colomnas
L’esplech legís las linhas sus tota la largor de la pagina. Las linhas de doas colomnas se mesclan doncas: «Colonne de gauche. Le compost de printemps Colonne de droite. Un atelier sur la récupération». Un mot copat a la fin de linha demòra copat: «com» puèi «mencé», lo tiret desapareis. Las cellulas d’un tablèu arriban sus una sola linha, separadas per d’espacis.
Una pagina escanada
La meteissa pagina convertida en imatge a pas mai de tèxte vertadièr. La reconeissença pren environ cinc segondas e retròba lo tèxte, lo mot copat e las tres linhas del tablèu, amb las meteissas colomnas mesclas. Lo motor es reglat pel francés: una autra lenga pòt èsser mens plan reconeguda, e la netetat de l’escanatge pesa sul resultat.
Tornar legir abans d’utilizar
- Verificatz los noms pròpris, los nombres e los accents.
- Reperatz los cambiaments de colomna.
- Per conservar la mesa en pagina, convertissètz en plaça lo PDF en imatges.
- Conservatz lo PDF original.