PDF إلى نص
كيفية تنظيف فواصل الأسطر بعد استخراج PDF إلى نص
انضم إلى أغلفة الأسطر التي جاءت من مواضع ثابتة للصفحة مع الحفاظ على الفقرات والقوائم والعناوين وحدود الصفحة الحقيقية.
في هذه الصفحة
عرض مثال توضيحي
أكمل سير العمل بالترتيب
- افتح PDF to Text وحدد ملف PDF يحتوي على نص قابل للتحديد قابل للاستخدام.
- اختر ما إذا كنت تريد الاحتفاظ بفواصل الأسطر والتباعد التقريبي وما إذا كنت تريد إضافة عناوين الصفحات.
- قم باستخراج النص ومراجعة المعاينة، بما في ذلك الصفحات التي تحتوي على أعمدة أو جداول.
- قم بتسمية وتنزيل ملف UTF-8 TXT.
- قارن النص المحفوظ بصفحات المصدر الأولى والمتوسطة والأخيرة؛ قم بتشغيل OCR أولاً إذا كانت الكلمات المطلوبة موجودة فقط في الصور.
ما يجب فحصه عند انقطاع الأسطر النظيفة بعد استخراج ملف PDF إلى نص
- انضم إلى أغلفة الأسطر التي جاءت من مواضع ثابتة للصفحة مع الحفاظ على الفقرات والقوائم والعناوين وحدود الصفحة الحقيقية.
- اقرأ النص المنظف بجوار ملف PDF حتى لا تنضم الفواصل المحذوفة إلى محتوى منفصل عن طريق الخطأ.
استخراج النص لا يحل محل التعرف الضوئي على الحروف
مقتطفات مخزنة للنص القابل للتحديد فقط؛ لا يوجد التعرف الضوئي على الحروف ولا صور الصفحة.
فقرة تمت مقاطعتها عند حافة الصفحة
إذا انتهت الجملة بكلمة "خطر" في أحد سطر PDF واستمرت بكلمة "إدارة" في السطر التالي، فإن الانضمام إلى هذا الغلاف يمكن أن يجعل قراءة TXT أسهل. يجب أن يظل العنوان متبوعًا بعنصر قائمة منفصلاً، وقد تكون الواصلة جزءًا من كلمة مركبة حقيقية بدلاً من علامة التفاف قابلة للإزالة.
تحقق من هذه النتيجة قبل إعادة استخدامها
- احتفظ باستخراج غير محرر كمرجع.
- اختبر أي بديل في مقطع قصير قبل تطبيقه على المستند.
- اقرأ الجملة الأولى والأخيرة حول كل حد تم إصلاحه.
الأسئلة الشائعة
هل يقوم PDF to Text بمقطع نصي OCR على الصفحات الممسوحة ضوئيًا؟
لا، يقوم PDF to Text باستخراج النص الموجود بالفعل في ملف PDF. استخدم OCR PDF أولاً لعمليات المسح الضوئي للصور فقط.
ما هو حد الإدخال الحالي لتحويل PDF إلى نص؟
ملف PDF واحد يصل إلى صفحات 50 MiB و500، مع ما يصل إلى 1,000,000 من الأحرف المستخرجة. يجب أن يتناسب إخراج النص أيضًا مع حد بايت الإخراج المعروض.
ما الذي ينشئه PDF إلى نص؟
يقوم المحول باستخراج النص المخزن القابل للتحديد إلى UTF-8 TXT مع تباعد تقريبي اختياري وعناوين الصفحات المضافة. ولا يقوم بإجراء التعرف الضوئي على الحروف (OCR) ولا يتضمن صورًا للصفحة، ولا يحتوي على إزالة تلقائية متكررة للرؤوس.
هل يؤدي إيقاف تشغيل التخطيط التقريبي إلى إصلاح كل فقرة تلقائيًا؟
لا، فهو يقلل من تباعد التخطيط، لكنه لا يستطيع التمييز بشكل موثوق بين كل فاصل فقرة حقيقي وبين التفاف الخط المرئي أو استعادة ترتيب الأعمدة المعقد.