Van egy PDF - dokumentuma, amelyből ki szeretné bontani az összes szöveget? Mi a helyzet a beolvasott dokumentum képfájljaival, amelyeket szerkeszthető szöveggé szeretne konvertálni? Ezek a leggyakoribb problémák, amelyeket a munkahelyen tapasztaltam, amikor fájlokkal dolgozom.

Ebben a cikkben több különböző módszerről fogok beszélni, amelyek segítségével megpróbálhat szöveget kivonni PDF -ből vagy képből. A kivonatolás eredménye a PDF^(PDF) -fájlban vagy a képben található szöveg típusától és minőségétől függően változhat . Ezenkívül az eredmények a használt eszköztől függően változnak, ezért a legjobb eredmény elérése érdekében a legjobb, ha az alábbi lehetőségek közül a legtöbbet kipróbálja.

Szöveg kibontása képből vagy PDF-ből

A kezdés legegyszerűbb és leggyorsabb módja egy online PDF -szövegkivonó szolgáltatás kipróbálása. Ezek általában ingyenesek, és pontosan azt nyújtják, amit keresel anélkül, hogy bármit is telepítenie kellene a számítógépére. Íme kettő, amit nagyon jótól kiválóig használtam:

PDF kibontása

Az ExtractPDF^(ExtractPDF) egy ingyenes eszköz a képek, szövegek és betűtípusok PDF - fájlból való kiemelésére. Az egyetlen korlátozás az, hogy a PDF -fájl maximális mérete 10 MB. Ez egy kicsit kicsi; így ha nagyobb a fájlja, próbálja ki az alábbi módszerek valamelyikét. Válassza ki a fájlt, majd kattintson a Fájl küldése^{(Send file)} gombra. Az eredmények általában nagyon gyorsak, és látnia kell a szöveg előnézetét, amikor a Szöveg^(Text) fülre kattint.

Az is jó plusz előny, hogy a PDF^(PDF) fájlból is kivonja a képeket, ha szükséged van rájuk! Összességében az online eszköz nagyszerűen működik, de belefutottam néhány PDF - dokumentumba, amelyek vicces eredményeket adnak. A szöveget jól kivonatolja, de valamiért minden szó után sortörés lesz! Nem jelent nagy problémát egy rövid PDF -fájl, de minden bizonnyal probléma a sok szöveget tartalmazó fájlok esetében. Ha ez megtörténik Önnel, próbálja ki a következő eszközt.

Online OCR

Az online OCR^{(Online OCR)} általában azoknál a dokumentumoknál működött, amelyek nem konvertáltak megfelelően az ExtractPDF segítségével^(ExtractPDF) , ezért érdemes mindkét szolgáltatást kipróbálni, hogy megtudja, melyik ad jobb eredményt. Az online OCR^{(Online OCR)} -nek van néhány szebb funkciója is, amelyek hasznosak lehetnek bárki számára, akinek nagy PDF - fájlja van, és csak néhány oldalon kell szöveget konvertálnia a teljes dokumentum helyett.

Az első dolog, amit tennie kell, az, hogy hozzon létre egy ingyenes fiókot. Ez kissé bosszantó, de ha nem hozza létre az ingyenes fiókot, akkor a PDF -fájlt csak részben konvertálja , nem pedig a teljes dokumentumot. Ezenkívül ahelyett, hogy csak egy 5 MB-os dokumentumot tölthetne fel, egy fiókkal fájlonként legfeljebb 100 MB-ot tölthet fel.

Először válasszon nyelvet, majd válassza ki a konvertált fájlhoz kívánt kimeneti formátumok típusát. Van néhány lehetőséged, és ha szeretnél, egynél többet is választhatsz. A Többoldalas dokumentum^{(Multipage document)} alatt kiválaszthatja az Oldalszámokat^{(Page numbers)} , majd csak a konvertálni kívánt oldalakat. Ezután válassza ki a fájlt, és kattintson a Konvertálás^(Convert) gombra !

Az átalakítás után a Dokumentumok^(Documents) szakaszba kerül (ha be van jelentkezve), ahol láthatja, hogy hány szabad oldala van még, és linkeket találhat a konvertált fájlok letöltéséhez. Úgy tűnik, csak napi 25 oldala van ingyen, így ha ennél többre van szüksége, akkor vagy várnia kell egy kicsit, vagy több oldalt kell vásárolnia.

Az online OCR^{(Online OCR)} kiváló munkát végzett a PDF -eim konvertálásával , mert meg tudta őrizni a szöveg tényleges elrendezését. A tesztem során vettem egy Word -dokumentumot, amely felsorolásjeleket, különböző betűméreteket stb. használt, és PDF formátumba konvertáltam^(PDF) . Aztán Online OCR -rel konvertáltam vissza Word formátumba, és körülbelül 95%-ban megegyezett az eredetivel. Ez elég lenyűgöző számomra.

Ráadásul, ha egy képet szöveggé szeretne konvertálni, az Online OCR ezt ugyanolyan egyszerűen megteheti, mint a szöveg kivonatolása PDF - fájlokból.

Ingyenes online OCR

Mivel a képről szövegre OCR^(OCR) - ről beszéltünk , hadd említsek meg egy másik jó webhelyet, amely nagyon jól működik képeken. Az ingyenes online OCR^{(Free Online OCR)} nagyon jó és nagyon pontos volt, amikor szöveget vontam ki a tesztképeimből. Készítettem pár fotót az iPhone-omról könyvek, brosúrák stb. oldalairól, és meglepődtem, hogy milyen jól képes konvertálni a szöveget.

Válassza ki a fájlt, majd kattintson a Feltöltés^(Upload) gombra. A következő képernyőn van néhány lehetőség és a kép előnézete. Levághatod, ha nem akarod az egészet OCR -rel leírni. ^(OCR)Ezután kattintson az OCR gombra, és a konvertált szöveg megjelenik a kép előnézete alatt. Nincsenek korlátai, ami nagyon jó.

Az online szolgáltatásokon kívül két ingyenes PDF konverterről szeretnék említést tenni arra az esetre, ha a számítógépen helyileg futó szoftverre lenne szüksége a konvertáláshoz. Az online szolgáltatások esetén mindig szüksége lesz internetkapcsolatra^(Internet) , és ez nem biztos, hogy mindenki számára lehetséges. Azonban észrevettem, hogy az ingyenes programok konverzióinak minősége lényegesen rosszabb volt, mint a webhelyeké.

A-PDF szövegkivonó

Az A-PDF Text Extractor^{(A-PDF Text Extractor)} egy ingyenes szoftver, amely meglehetősen jó munkát végez a szöveg PDF - fájlokból történő kinyerésében. Miután letöltötte és telepítette, kattintson a Megnyitás^(Open) gombra a PDF - fájl kiválasztásához. Ezután kattintson a Szöveg kibontása^(Extract) gombra a folyamat elindításához.

Kérni fog egy helyet a szöveges kimeneti fájl tárolására, majd megkezdi a kicsomagolást. Kattintson az Opció^(Option) gombra is, amely lehetővé teszi, hogy csak bizonyos oldalakat és a kibontás típusát válasszon ki. A második lehetőség azért érdekes, mert különböző elrendezésekben bontja ki a szöveget, és érdemes mindhárommal próbálkozni, hogy megtudja, melyik ad a legjobb eredményt.

PDF2Text Pilot

A PDF2Text Pilot^{(PDF2Text Pilot)} jól végzi  a szöveg kibontását. Nincsenek választási lehetőségei; csak hozzáad fájlokat vagy mappákat, konvertál, és reméli a legjobbat. Néhány PDF^(PDFs) -nél jól működött , de többségüknél számos probléma volt.

Csak kattintson a Fájlok hozzáadása^{(Add Files)} , majd a Konvertálás^(Convert) gombra . Ha az átalakítás befejeződött, kattintson a Tallózás^(Browse) gombra a fájl megnyitásához. A futásteljesítmény változhat a program használatával, ezért ne számíts sokra.

Azt is érdemes megemlíteni, hogy ha vállalati környezetben tartózkodik, vagy a munkahelyén kézbe veheti az Adobe Acrobat egy példányát , akkor valóban sokkal jobb eredményeket érhet el. Az Acrobat^(Acrobat) nyilvánvalóan nem ingyenes, de van lehetősége PDF -nek Word , Excel és HTML formátumba konvertálására. Ezenkívül ez teszi a legjobb munkát az eredeti dokumentum szerkezetének megőrzésében és a bonyolult szöveg konvertálásában.

Extract Text from PDF and Image Files

Have a PDF document that уou would like to extract all the text out of? What about image files of a scanned document thаt you want to convert into editable text? These are some of the most common issues I’ve seen at the workplace when working with files.

In this article, I’ll talk about several different ways you can go about trying to extract text from a PDF or from an image. Your extraction results will vary depending on the type and quality of the text in the PDF or image. Also, your results will vary depending on the tool you use, so it’s best to try out as many of the options below as possible to get the best results.

Extract Text from Image or PDF

The simplest and quickest way to start is to try an online PDF text extractor service. These are normally free and can give you exactly what you are looking for without having to install anything on your computer. Here are two that I have used with very good to excellent results:

ExtractPDF

ExtractPDF is a free tool to grab images, text and fonts out of a PDF file. The only limitation is that the max size for the PDF file is 10 MB. That’s a bit small; so if you have a bigger file, try some of the other methods below. Choose your file and then click the Send file button. The results are normally very fast and you should see a preview of the text when you click on the Text tab.

It is also a nice added benefit that it extracts images out of the PDF file too, just in case you need those! Overall, the online tool works great, but I have run into a couple of PDF docs that give me funny output. The text is extracted just fine, but for some reason it’ll have a line break after each word! Not a huge problem for a short PDF file, but certainly an issue for files with lots of text. If that happens to you, try the next tool.

Online OCR

Online OCR usually tended to work for the documents that didn’t convert properly with ExtractPDF, so it’s a good idea to try both services to see which ones gives you better output. Online OCR also has some nicer features that can prove handy for anyone with a large PDF file that only needs to convert text on a few pages rather than the whole document.

The first thing you want to do is go ahead and create a free account. It’s a bit annoying, but if you don’t create the free account, it will only partially convert your PDF rather than the entire document. Also, instead of only being able to upload only a 5 MB document, you can upload up to 100MB per file with an account.

First, choose a language and then pick the type of output formats you would like for the converted file. You have a couple of options and you can choose more than one if you like. Under Multipage document, you can select Page numbers and then choose only the pages that you want to convert. Then you select the file and click Convert!

After conversion, you’ll be brought to the Documents section (if you’re logged in) where you can see how many available free pages you have left and links to download your converted files. It seems like you only have 25 pages for free a day, so if you need more than that, you’ll have to either wait a bit or buy more pages.

Online OCR did an excellent job of converting my PDFs because it was able to maintain the actual layout of the text. In my test, I took a Word doc that used bullets, different font sizes, etc and converted it to a PDF. Then I used Online OCR to convert it back to Word format and it was about 95% the same as the original. That’s pretty impressive for me.

Plus, if you are looking to convert an image to text, then Online OCR can do that just as easily as extracting text from PDF files.

Free Online OCR

Since were talking about image to text OCR, let me mention another good website that works really well on images. Free Online OCR was very good and very accurate when extracting text from my test images. I took a couple of photos from my iPhone of pages from books, pamphlets, etc and I was surprised at how well it was able to convert the text.

Choose your file and then click the Upload button. On the next screen, there are a couple of options and a preview of the image. You can crop it if you don’t want to OCR the whole thing. Then just click the OCR button and your converted text will appear below the image preview. It also doesn’t have any limitations, which is really nice.

In addition to the online services, there are two freeware PDF converters I want to mention in case you need software running locally on your computer to perform the conversions. With online services, you’ll always need an Internet connection and that may not be possible for everyone. However, I noticed that the quality of the conversions from the freeware programs were significantly worse than those of the websites.

A-PDF Text Extractor

A-PDF Text Extractor is freeware that does an fairly good job of extracting text from PDF files. Once you download it and install it, click the Open button to choose your PDF file. Then click Extract text to start the process.

It’ll ask you a location to store the text output file and then it will begin extracting. You can also click on the Option button, which lets you choose only certain pages to extract and the extraction type. The second option is interesting because it extracts the text in different layouts and it’s worth trying all three to see which ones gives you the best output.

PDF2Text Pilot

PDF2Text Pilot does an ok job of extracting text. It doesn’t have any options; you just add files or folders, convert and hope for the best. It worked well on some PDFs, but for the majority of them, there were numerous issues.

Just click Add Files and then click Convert. Once the conversion is complete, click on Browse to open the file. You mileage will vary using this program so don’t expect much.

Also, it’s worth mentioning that if you are in a corporate environment or can get your hands on a copy of Adobe Acrobat from work, then you can really get much better results. Acrobat is obviously not free, but it has options to convert PDF to Word, Excel and HTML format. It also does the best job of maintaining the structure of the original document and converting complicated text.

Related posts

• Több szöveges fájl egyesítése vagy egyesítése

• A legjobb ingyenes alternatív PDF-nézegető az Adobe Readerhez

• Konvertálja a Windows PC-t virtuális géppé a Hyper-V segítségével

• A mappaikon színének megváltoztatása a Windows rendszerben

• A legjobb ingyenes töredezettség-mentesítő eszköz a Windows számára maga

• HTML-kód a szöveg kép köré fonni

• Gyorsan megtekintheti a képeket és a PDF-dokumentumokat a PRIMA Rapid Image Viewer segítségével

• Másoljon gyorsabban nagy fájlokat a hálózaton keresztül a TeraCopy segítségével

• Gyorsan megtekintheti a keresési előzményeket a Windows összes böngészőjében

• Konvertálja a Windows könyvtárat HTML-listává

• A Kindle asztali alkalmazás: jó?

• Képernyőképek automatikus rögzítése meghatározott időközönként a Windows rendszerben

• Mappa hozzárendelése meghajtóbetűjelhez a Windows rendszerben

• Ingyenes online OCR-webhelyek és szolgáltatások szövegek képből való kinyeréséhez

• Két mappa valós időben történő szinkronizálása a Windows rendszerben

• Ikonok kibontása EXE, DLL, OCX és CPL fájlokból

• ISO képfájlok létrehozása, felszerelése és írása ingyenesen

• Fájlok megosztása számítógépek, okostelefonok és táblagépek között

• Formázza meg az SD-kártyát az Easy Way módon

• 6 ingyenes Blu-ray lemezíró szoftveralkalmazás