PDF إلى نص
كيفية إزالة الرؤوس والتذييلات المتكررة من نص PDF
قم باستخراج النص أولاً، ثم قم بمراجعة وإزالة تسميات الصفحات المتكررة دون حذف الكلمات المشابهة من نص المستند.
في هذه الصفحة
عرض مثال توضيحي
استخراج نص PDF
- 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.
استخراج النص لا يحل محل التعرف الضوئي على الحروف
مقتطفات مخزنة للنص القابل للتحديد فقط؛ لا يوجد التعرف الضوئي على الحروف ولا صور الصفحة.
عنوان تقرير متكرر في كل صفحة
قد يتكرر سطر مثل تقرير العمليات الشهرية في رأس الصفحة ويظهر أيضًا مرة واحدة في جملة ذات معنى. قم بإزالة تكرارات الرأس التي تم التحقق منها فقط. قم بمراجعة أرقام الصفحات وتسميات السرية بشكل منفصل بدلاً من حذف كل سطر يحتوي على نفس الكلمة.
تحقق من هذه النتيجة قبل إعادة استخدامها
- قم بتمييز رؤوس المصدر عن عناوين الصفحات المضافة الاختيارية للأداة.
- تحقق من النص الأساسي المحيط قبل حذف كل سطر متكرر.
- قارن بين الصفحات الأولى والأخيرة بعد التنظيف.
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 تعطيل عناوين الصفحات المضافة إلى إزالة رؤوس PDF الأصلية؟
لا، فهو يمنع فقط علامات الصفحات الإضافية للأداة. لا يزال من الممكن استخراج النص المخزن في رأس أو تذييل المصدر ويجب مراجعته بشكل منفصل.