PDF से टेक्स्ट इस्तेमाल कैसे करें
- 1
PDF खोलें
50 MB तक की PDF बॉक्स पर खींचकर छोड़ें, या क्लिक करके चुनें। पासवर्ड वाली फ़ाइलों में पहले उनका पासवर्ड पूछा जाता है।
- 2
टेक्स्ट लेआउट चुनें
पैराग्राफ़ पढ़ने या पेस्ट करने के लिए साफ़ बहता टेक्स्ट देता है; पेज लेआउट छपी हुई हर लाइन को वैसे ही रखता है और टेबल के कॉलम स्पेस से सीधे में रखता है।
- 3
पेज और OCR चुनें
हर पेज का टेक्स्ट निकालें या 2-5, 9 जैसी रेंज दें। अगर कुछ पेज स्कैन हैं और उनमें टेक्स्ट लेयर नहीं है, तो OCR चालू करें और भाषा चुनें।
- 4
कॉपी करें या डाउनलोड करें
टेक्स्ट निकालें दबाएँ, बॉक्स में परिणाम देखें, फिर उसे क्लिपबोर्ड पर कॉपी करें या UTF-8 .txt फ़ाइल के रूप में सेव करें।
सीमाएँ और Pro
हर बार एक PDF, 50 MB तक और 200 पेज तक, OCR समेत।
Pro में 4 GB तक की PDF खुलती हैं और एक बार में 5,000 पेज तक पढ़े जाते हैं। Pro देखें
PDF से टेक्स्ट के बारे में
यह टूल उस टेक्स्ट लेयर को पढ़ता है जो ज़्यादातर PDF में होती है, यानी वही अक्षर जिन्हें आप PDF व्यूअर में चुन सकते हैं, और उन्हें उस क्रम में रखता है जिसमें कोई व्यक्ति पढ़ेगा। व्यूअर से सीधे कॉपी करने पर अक्सर लेख के दोनों कॉलम लाइन-दर-लाइन आपस में मिल जाते हैं, छपी लाइन के अंत पर हर वाक्य टूट जाता है और शब्दों के बीच हाइफ़न रह जाते हैं। यहाँ पहले पेज को कॉलम और ब्लॉक में बाँटा जाता है, टूटी हुई लाइनें पैराग्राफ़ में जोड़ी जाती हैं, दो लाइनों में हाइफ़न से बँटा शब्द फिर पूरा किया जाता है, बुलेट और नंबर सूची की पंक्तियों की शुरुआत में ही रहते हैं, और टेबल ऐसी पंक्तियों में आती है जिनमें सेल के बीच टैब होता है, इसलिए वह स्प्रेडशीट में सीधे पेस्ट हो जाती है। ऊपर या नीचे के मार्जिन में अकेला पेज नंबर छोड़ दिया जाता है, और तिरछा या खड़ा टेक्स्ट, जैसे आड़ा "DRAFT" वॉटरमार्क, भी शामिल नहीं होता।
पेज लेआउट मोड इसका उल्टा करता है: यह हर लाइन को ठीक वहीं रखता है जहाँ वह छपी थी, और फ़ॉर्म, इनवॉइस या बैंक स्टेटमेंट के कॉलम को स्पेस से अपनी जगह पर रखता है।
स्कैन किए पेज में टेक्स्ट लेयर नहीं होती, सिर्फ़ काग़ज़ की तस्वीर होती है। OCR चालू होने पर सिर्फ़ उन्हीं पेज को आपके ब्राउज़र में Tesseract इंजन 47 भाषाओं में से किसी एक में पढ़ता है। आम इस्तेमाल हैं: रिपोर्ट से उद्धरण लेना, अनुबंध को ट्रांसलेटर या शब्द गिनने वाले टूल में डालना, और स्टेटमेंट से आँकड़े निकालना। फ़ॉन्ट, रंग, इमेज और लिंक आउटपुट में नहीं आते; इनके लिए PDF को Word में कन्वर्ट करें।
गोपनीयता
PDF.js दस्तावेज़ को आपके डिवाइस पर एक Web Worker में पार्स करता है और दूसरा वर्कर लाइनों को पैराग्राफ़ में सजाता है; PDF और उसका टेक्स्ट कभी अपलोड नहीं होते। सिर्फ़ OCR चालू करने पर पेज jsDelivr CDN से Tesseract इंजन और एक भाषा फ़ाइल एक बार लाता है, और इन डाउनलोड में आपके दस्तावेज़ की कोई जानकारी नहीं जाती।
खूबियाँ
कॉलम सही क्रम में
दो और तीन कॉलम वाले लेआउट एक के बाद एक कॉलम में पढ़े जाते हैं, पेज के आर-पार लाइन-दर-लाइन नहीं।
असली पैराग्राफ़
टूटी लाइनें जुड़ जाती हैं और लाइन के अंत में हाइफ़न से बँटे शब्द फिर पूरे हो जाते हैं।
पेस्ट करने लायक टेबल
टेबल की पंक्तियाँ टैब से अलग होकर निकलती हैं, स्प्रेडशीट के लिए तैयार, या पेज लेआउट में स्पेस से सीधी रखी जाती हैं।
स्कैन के लिए OCR
बिना टेक्स्ट लेयर वाले पेज आपके डिवाइस पर Tesseract से 47 भाषाओं में पढ़े जा सकते हैं।