Masz dokument PDF , z którego chcesz wyodrębnić cały tekst? A co z plikami obrazów zeskanowanego dokumentu, który chcesz przekonwertować na tekst do edycji? Oto niektóre z najczęstszych problemów, jakie napotkałem w miejscu pracy podczas pracy z plikami.

W tym artykule omówię kilka różnych sposobów na wyodrębnienie tekstu z pliku PDF^(PDF) lub obrazu. Wyniki ekstrakcji będą się różnić w zależności od typu i jakości tekstu w pliku PDF^(PDF) lub obrazie. Ponadto Twoje wyniki będą się różnić w zależności od używanego narzędzia, dlatego najlepiej jest wypróbować jak najwięcej poniższych opcji, aby uzyskać najlepsze wyniki.

Wyodrębnij tekst z obrazu lub pliku PDF

Najprostszym i najszybszym sposobem na rozpoczęcie jest wypróbowanie usługi wyodrębniania tekstu PDF online. ^(PDF)Są one zwykle bezpłatne i mogą dać dokładnie to, czego szukasz, bez konieczności instalowania czegokolwiek na komputerze. Oto dwa, których użyłem z bardzo dobrymi lub doskonałymi wynikami:

Wyodrębnij PDF

ExtractPDF to darmowe narzędzie do pobierania obrazów, tekstu i czcionek z pliku PDF . Jedynym ograniczeniem jest to, że maksymalny rozmiar pliku PDF to 10 MB. To trochę małe; więc jeśli masz większy plik, wypróbuj inne metody poniżej. Wybierz plik, a następnie kliknij przycisk Wyślij plik^{(Send file)} . Wyniki są zwykle bardzo szybkie i powinieneś zobaczyć podgląd tekstu po kliknięciu zakładki Tekst .^(Text)

Jest to również miła dodatkowa zaleta, że ​​wyodrębnia również obrazy z pliku PDF , na wszelki wypadek! Ogólnie rzecz biorąc, narzędzie online działa świetnie, ale natknąłem się na kilka dokumentów PDF , które dają mi zabawne wyniki. Tekst jest dobrze wyodrębniany, ale z jakiegoś powodu po każdym słowie będzie miał podział wiersza! Nie jest to duży problem w przypadku krótkiego pliku PDF , ale z pewnością problem w przypadku plików z dużą ilością tekstu. Jeśli tak się stanie, wypróbuj następne narzędzie.

OCR online

OCR online^{(Online OCR)} zwykle działał w przypadku dokumentów, które nie zostały poprawnie przekonwertowane za pomocą ExtractPDF , więc dobrym pomysłem jest wypróbowanie obu usług, aby zobaczyć, które z nich zapewniają lepsze wyniki. Online OCR ma również kilka fajniejszych funkcji, które mogą okazać się przydatne dla każdego, kto ma duży plik PDF , który wymaga tylko konwersji tekstu na kilku stronach, a nie całego dokumentu.

Pierwszą rzeczą, którą chcesz zrobić, to założyć darmowe konto. To trochę irytujące, ale jeśli nie utworzysz darmowego konta, tylko częściowo skonwertuje plik PDF^(PDF) , a nie cały dokument. Ponadto, zamiast przesyłać tylko dokument o wielkości 5 MB, możesz przesłać do 100 MB na plik za pomocą konta.

Najpierw wybierz język, a następnie wybierz typ formatów wyjściowych, które chcesz przekonwertować. Masz kilka opcji i możesz wybrać więcej niż jedną, jeśli chcesz. W sekcji Dokument wielostronicowy^{(Multipage document)} możesz wybrać Numery stron^{(Page numbers)} , a następnie wybrać tylko te strony, które chcesz przekonwertować. Następnie wybierasz plik i klikasz Konwertuj^(Convert) !

Po konwersji zostaniesz przeniesiony do sekcji Dokumenty^(Documents) (jeśli jesteś zalogowany), gdzie możesz zobaczyć, ile wolnych stron pozostało Ci, a także linki do pobrania przekonwertowanych plików. Wygląda na to, że masz tylko 25 stron za darmo dziennie, więc jeśli potrzebujesz więcej, będziesz musiał trochę poczekać lub kupić więcej stron.

OCR online^{(Online OCR)} wykonał świetną robotę konwertując moje pliki PDF^(PDF) , ponieważ był w stanie zachować rzeczywisty układ tekstu. W moim teście wziąłem dokument Worda^(Word) , który używał punktorów, różnych rozmiarów czcionek itp. i przekonwertowałem go na plik PDF^(PDF) . Następnie użyłem OCR online^{(Online OCR)} , aby przekonwertować go z powrotem do formatu Worda^(Word) i był w około 95% taki sam jak oryginał. To dla mnie imponujące.

Dodatkowo, jeśli chcesz przekonwertować obraz na tekst, OCR online^{(Online OCR)} może to zrobić tak samo łatwo, jak wyodrębnianie tekstu z plików PDF .

Darmowe OCR online

Ponieważ mówiliśmy o OCR^(OCR) obrazu do tekstu , wspomnę o innej dobrej stronie internetowej, która działa naprawdę dobrze na obrazach. Darmowy OCR online^{(Free Online OCR)} był bardzo dobry i bardzo dokładny podczas wyodrębniania tekstu z moich obrazów testowych. Zrobiłem kilka zdjęć z mojego iPhone'a stron z książek, broszur itp. i byłem zaskoczony, jak dobrze był w stanie przekonwertować tekst.

Wybierz plik, a następnie kliknij przycisk Prześlij^(Upload) . Na następnym ekranie dostępnych jest kilka opcji i podgląd obrazu. Możesz go przyciąć, jeśli nie chcesz OCR całości. Następnie po prostu kliknij przycisk OCR , a przekonwertowany tekst pojawi się pod podglądem obrazu. Nie ma też żadnych ograniczeń, co jest naprawdę miłe.

Oprócz usług online istnieją dwa darmowe konwertery PDF , o których chcę wspomnieć, na wypadek, gdyby do przeprowadzenia konwersji potrzebne było oprogramowanie działające lokalnie na komputerze. W przypadku usług online zawsze będziesz potrzebować połączenia z Internetem^(Internet) , a to może nie być możliwe dla wszystkich. Zauważyłem jednak, że jakość konwersji z programów freeware była znacznie gorsza niż ze stron internetowych.

Ekstraktor tekstu A-PDF

A-PDF Text Extractor to darmowy program, który całkiem dobrze radzi sobie z wyodrębnianiem tekstu z plików PDF . Po pobraniu i zainstalowaniu kliknij przycisk Otwórz^(Open) , aby wybrać plik PDF . Następnie kliknij Wyodrębnij^(Extract) tekst, aby rozpocząć proces.

Zapyta Cię o lokalizację do przechowywania tekstowego pliku wyjściowego, a następnie rozpocznie wyodrębnianie. Możesz także kliknąć przycisk Opcja^(Option) , który pozwala wybrać tylko niektóre strony do wyodrębnienia i typ wyodrębniania. Druga opcja jest interesująca, ponieważ wyodrębnia tekst w różnych układach i warto wypróbować wszystkie trzy, aby zobaczyć, który daje najlepszy wynik.

Pilotażowy PDF2Text

PDF2Text Pilot dobrze^{(PDF2Text Pilot)}  radzi sobie z wyodrębnianiem tekstu. Nie ma żadnych opcji; po prostu dodajesz pliki lub foldery, konwertujesz i masz nadzieję na najlepsze. Działało dobrze na niektórych plikach PDF^(PDFs) , ale w przypadku większości z nich było wiele problemów.

Po prostu kliknij Dodaj pliki^{(Add Files)} , a następnie kliknij Konwertuj^(Convert) . Po zakończeniu konwersji kliknij Przeglądaj^(Browse) , aby otworzyć plik. Twój przebieg będzie się różnić przy użyciu tego programu, więc nie oczekuj wiele.

Warto również wspomnieć, że jeśli jesteś w środowisku korporacyjnym lub możesz zdobyć kopię Adobe Acrobat z pracy, możesz naprawdę uzyskać znacznie lepsze wyniki. Acrobat oczywiście nie jest darmowy, ale ma opcje konwersji plików PDF^(PDF) do formatu Word , Excel i HTML . Najlepiej sprawdza się również w utrzymaniu struktury oryginalnego dokumentu i konwersji skomplikowanego tekstu.

Extract Text from PDF and Image Files

Have a PDF document that you woυld like to extract all the text out of? What about imagе files of a scanned document that you want to сonvert into editаble text? These are some of the most cоmmon issues І’νe seen at the workрlace when working wіth 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

• Jak łączyć lub scalać wiele plików tekstowych

• Najlepsza darmowa alternatywna przeglądarka plików PDF do Adobe Reader

• Konwertuj komputer z systemem Windows na maszynę wirtualną za pomocą Hyper-V

• Jak zmienić kolor ikony folderu w systemie Windows

• Najlepsze darmowe narzędzie do defragmentacji dla systemu Windows jest samo

• Jak tworzyć, montować i nagrywać pliki obrazów ISO za darmo?

• Jak zsynchronizować dwa foldery w czasie rzeczywistym w systemie Windows

• Jak korzystać z podpisów HTML w Gmailu, Hotmail, Yahoo

• Darmowe narzędzia do dostosowywania menu kontekstowego prawego przycisku myszy

• 5 aplikacji VR, które nie są grami

• 6 bezpłatnych aplikacji do nagrywania płyt Blu-ray

• Kod HTML do owijania tekstu wokół obrazu

• Szybkie przeglądanie obrazów i dokumentów PDF za pomocą przeglądarki PRIMA Rapid Image Viewer

• Mapuj folder na literę dysku w systemie Windows

• Niezbędne pliki do pobrania bezpłatnego oprogramowania dla systemu Windows

• Jak rozpoznać muzykę lub utwory według dźwięku

• 10 najlepszych narzędzi do oznaczania plików MP3 i edytowania metadanych

• Najlepszy darmowy program do czyszczenia rejestru systemu Windows

• Jak wyodrębnić ikony z plików EXE, DLL, OCX i CPL?

• ImBatch to bezpłatne oprogramowanie do przetwarzania obrazów wsadowych na komputer z systemem Windows