Kopyalanamayan bir PDF'den metin kopyalamak
Yayımlanma: · Güncellenme: 1 dk okuma
Bir PDF ya gerçek metin ya da yalnızca metin görselleri içerir. Çıkarmanın sonucu bu ilk noktaya bağlıdır.
Gerçek metin veya metin görseli
PDF’yi açın ve bir kelimeyi seçmeyi deneyin. Seçim çalışıyorsa belge gerçek metin içerir. Aksi halde sayfaları, bir taramanınki gibi görseldir.
Aracın yaptığı
PDF'den metne, gerçek metni doğrudan okur ve metni olmayan sayfalara karakter tanıma uygular. Sonuç, her sayfanın önünde bir işaret bulunan bir metin dosyasıdır: gerçek metin için “--- Page 1 [native] ---”, tanınan bir sayfa için “--- Page 1 [ocr] ---”. Raporun on sayfası 5 KB’lık bir dosya verir.
İki sütunlu bir sayfa
Araç satırları sayfanın tüm genişliği boyunca okur. İki sütunun satırları bu yüzden karışır: “Colonne de gauche. Le compost de printemps Colonne de droite. Un atelier sur la récupération”. Satır sonunda bölünen bir kelime bölünmüş kalır: “com” sonra “mencé”, kısa çizgi kaybolur. Bir tablonun hücreleri, boşlukla ayrılmış tek bir satırda gelir.
Taranmış bir sayfa
Görsele dönüştürülmüş aynı sayfanın artık gerçek metni yoktur. Tanıma yaklaşık beş saniye sürer ve metni, bölünmüş kelimeyi ve tablonun üç satırını aynı karışık sütunlarla yeniden bulur. Motor Fransızca için ayarlıdır: başka bir dil daha az iyi tanınabilir ve taramanın netliği sonucu etkiler.
Kullanmadan önce yeniden okuyun
- Özel adları, sayıları ve aksanları kontrol edin.
- Sütun değişimlerini fark edin.
- Düzeni korumak için PDF’yi bunun yerine görsellere dönüştürün.
- Özgün PDF’yi saklayın.