কপি করা যায় না এমন PDF থেকে টেক্সট কপি করা

আসল টেক্সট না টেক্সটের ছবি

PDF খুলে একটি শব্দ নির্বাচন করার চেষ্টা করুন। নির্বাচন কাজ করলে নথিতে আসল টেক্সট আছে। না হলে এর পৃষ্ঠাগুলো ছবি, স্ক্যানের মতো।

টুল কী করে

PDF থেকে টেক্সট আসল টেক্সট সরাসরি পড়ে এবং যে পৃষ্ঠায় তা নেই সেখানে অক্ষর শনাক্তকরণ চালায়। ফলাফল একটি টেক্সট ফাইল, যার প্রতিটি পৃষ্ঠার আগে একটি চিহ্ন থাকে: আসল টেক্সটের জন্য “--- Page 1 [native] ---”, শনাক্ত করা পৃষ্ঠার জন্য “--- Page 1 [ocr] ---”। প্রতিবেদনের দশ পৃষ্ঠা 5 KB-এর একটি ফাইল দেয়।

দুই কলামের পৃষ্ঠা

টুলটি পৃষ্ঠার পুরো প্রস্থ ধরে লাইন পড়ে। তাই দুই কলামের লাইন মিশে যায়: “Colonne de gauche. Le compost de printemps Colonne de droite. Un atelier sur la récupération”। লাইনের শেষে ভাঙা শব্দ ভাঙাই থাকে: “com” তারপর “mencé”, হাইফেন উধাও হয়। টেবিলের ঘরগুলো ফাঁকা জায়গা দিয়ে আলাদা হয়ে একই লাইনে আসে।

স্ক্যান করা পৃষ্ঠা

একই পৃষ্ঠা ছবিতে রূপান্তর করলে আর আসল টেক্সট থাকে না। শনাক্তকরণে প্রায় পাঁচ সেকেন্ড লাগে এবং টেক্সট, ভাঙা শব্দ ও টেবিলের তিনটি লাইন আবার পাওয়া যায়, একই মিশে যাওয়া কলামসহ। ইঞ্জিনটি ফরাসির জন্য সেট করা: অন্য ভাষা কম ভালো শনাক্ত হতে পারে, আর স্ক্যানের স্পষ্টতা ফলাফলে প্রভাব ফেলে।

ব্যবহারের আগে আবার পড়ুন

1. নামবাচক শব্দ, সংখ্যা ও উচ্চারণচিহ্ন যাচাই করুন।
2. যেখানে কলাম বদলেছে সেই জায়গাগুলো খুঁজে নিন।
3. বিন্যাস রাখতে চাইলে বরং PDF-কে ছবিতে রূপান্তর করুন।
4. মূল PDF-টি রেখে দিন।

PDF থেকে টেক্সট