PDF-тен мәтінге құралын қалай қолдану керек
- 1
PDF файлын ашыңыз
Көлемі 50 MB-қа дейінгі PDF файлын жәшікке апарып тастаңыз немесе басып таңдаңыз. Құпия сөзбен қорғалған файлдар алдымен құпия сөзді сұрайды.
- 2
Мәтін орналасуын таңдаңыз
Абзацтар режимі оқуға немесе қыстыруға ыңғайлы таза мәтін береді; Бет орналасуы режимі басылған әр жолды сақтап, кесте бағандарын бос орындармен туралайды.
- 3
Беттер мен OCR таңдаңыз
Барлық беттерді немесе 2-5, 9 сияқты аралықты алыңыз. Кейбір беттер мәтіндік қабаты жоқ сканерленген беттер болса, OCR қолдану опциясын қосып, тілді таңдаңыз.
- 4
Көшіріңіз немесе жүктеп алыңыз
Мәтінді алу түймесін басыңыз, нәтижені жәшіктен тексеріңіз, содан кейін алмасу буферіне көшіріңіз немесе UTF-8 .txt файлы ретінде сақтаңыз.
Шектеулер және Pro
Бір рет алуға көлемі 50 MB-қа дейінгі және 200 бетке дейінгі бір PDF файлы, OCR қоса.
Pro 4 GB-қа дейінгі PDF файлдарын ашады және бір реттен 5 000 бетке дейін оқиды. Pro-ны қарау
PDF-тен мәтінге туралы
Бұл құрал көптеген PDF файлдарындағы мәтіндік қабатты, яғни PDF қарау бағдарламасында таңдай алатын таңбаларды оқып, адам оқитын ретпен қайта орналастырады. Қарау бағдарламасынан тікелей көшіргенде мақаланың екі бағанындағы жолдар араласып кетеді, әр сөйлем басылған жол соңында үзіледі, сөздердің ортасында дефис қалады. Мұнда беттер алдымен бағандар мен блоктарға бөлінеді, тасымалданған жолдар абзацқа біріктіріледі, екі жолға дефиспен бөлінген сөз қайта жалғанады, тізім элементтерінің басындағы белгілер мен нөмірлер сақталады, ал кесте ұяшықтар арасында табуляциясы бар жолдар болып шығады, сондықтан оны электрондық кестеге қыстыруға болады. Жоғарғы немесе төменгі шеттегі жалаң бет нөмірі қалдырылады, сондай-ақ бұрылған немесе тік мәтін, мысалы қиғаш «DRAFT» су белгісі де алынбайды.
Бет орналасуы режимі керісінше жұмыс істейді: әр жолды басылған орнында сақтап, форма, шот-фактура немесе банк көшірмесі бағандарын бос орындармен ұстап тұрады.
Сканерленген беттерде мәтіндік қабат жоқ, тек қағаздың суреті болады. OCR қосылғанда тек сол беттерді Tesseract қозғалтқышы браузеріңізде 47 тілдің бірінде оқиды. Әдетте есептен үзінді алу, келісімшартты аудармашыға немесе сөз санағышқа салу, көшірмеден сандарды алу үшін қолданылады. Қаріптер, түстер, суреттер және сілтемелер нәтижеге кірмейді; олар үшін PDF файлын Word құжатына түрлендіру құралын қолданыңыз.
Құпиялылық
PDF.js құжатты құрылғыңыздағы Web Worker ішінде талдайды, ал екінші worker жолдарды абзацтарға реттейді; PDF файлы мен мәтіні серверге жүктелмейді. Тек OCR қолдану қосылғанда ғана бет Tesseract қозғалтқышы мен бір тіл файлын jsDelivr CDN желісінен бір рет алады, бұл жүктеулерде құжатыңыздан ешқандай деректер болмайды.
Мүмкіндіктер
Бағандар ретімен
Екі және үш бағанды беттер бет бойымен жолма-жол емес, бір бағаннан кейін екіншісі болып оқылады.
Нағыз абзацтар
Тасымалданған жолдар біріктіріледі, жол соңында дефиспен бөлінген сөздер қайта жалғанады.
Қыстыруға болатын кестелер
Кесте қатарлары электрондық кестеге дайын табуляциямен шығады немесе Бет орналасуы режимінде бос орындармен туралanады.
Сканерге арналған OCR
Мәтіндік қабаты жоқ беттерді Tesseract арқылы 47 тілде құрылғыңызда оқуға болады.