PDF në tekst

Si ta nxjerrësh tekstin nga një PDF

1. Hiq një skedar PDF në zonën e ngarkimit ose kliko mbi të për ta zgjedhur. Mjeti tregon emrin, numrin e faqeve dhe madhësinë e tij.
2. Në dëshirë, shkruaj Faqet (opsionale) që do të lexohen, si 1-3, 5 ose 8-. Lëre fushën bosh për të nxjerrë çdo faqe.
3. Zgjidh Renditjen e leximit: Siç është ruajtur në skedar (më e mira për kolona) ose Nga lart poshtë, nga e majta në të djathtë.
4. Shëno ose hiq shenjën te Shto ndarës faqesh dhe Mbaj ndërprerjet e rreshtave.
5. Kliko Nxirr tekstin. Dokumentet e gjata tregojnë ecurinë faqe për faqe; Ndalo e ndërpret më herët dhe mban faqet e lexuara.
6. Kontrollo numrin e faqeve, fjalëve, karaktereve dhe rreshtave, pastaj kliko Kopjo ose Shkarko .txt.

Dy kutizat mund të ndryshohen edhe pas nxjerrjes: teksti riformatohet menjëherë, pa u lexuar skedari përsëri.

Shtresë teksti apo faqe e skanuar?

Një PDF i krijuar nga një përpunues tekstesh, një fletë llogaritjeje ose komanda “Ruaj si PDF” përmban një shtresë teksti: karaktere të vërteta, me shkronjën dhe pozicionin e tyre. Ky mjet e lexon atë shtresë me PDF.js, kështu që rezultati është i saktë, me shkronjat me shenja (ë, ç), ligaturat dhe simbolet të paprekura.

Një PDF i skanuar është ndryshe: çdo faqe është vetëm foto e letrës dhe nuk ka tekst për t’u lexuar. Kur një faqe e zgjedhur nuk ka tekst, por përmban imazh, mjeti e thotë këtë dhe tregon faqet përkatëse. OCR (njohja optike e karaktereve) nuk përfshihet: teksti i faqeve të skanuara nuk mund të nxirret këtu. Faqet pa tekst dhe pa imazhe raportohen si të bardha.

Renditja e leximit dhe struktura

Një PDF ruan copëza teksti me koordinata, jo paragrafë. Mjeti rindërton rreshtat nga copëzat që ndajnë të njëjtën vijë bazë, shton një hapësirë ku ka zbrazëti të dukshme dhe lë një rresht bosh ku hendeku vertikal është i madh, çka zakonisht ndan paragrafët.

• Siç është ruajtur në skedar (më e mira për kolona) ndjek renditjen me të cilën programi krijues e ka shkruar tekstin. Për shumicën e dokumenteve, përfshirë artikujt me dy kolona, kjo është renditja natyrale e leximit.
• Nga lart poshtë, nga e majta në të djathtë rendit sipas pozicionit në faqe. Provoje kur opsioni i parë jep tekst të ngatërruar; kujdes, ai lexon drejt përmes kolonave.

Me Shto ndarës faqesh, çdo faqe nis me një rresht si --- Faqja 3 ---, i volitshëm për citim ose për të kontrolluar një pasazh.

Bashkimi i rreshtave në paragrafë

Kur Mbaj ndërprerjet e rreshtave është e shënuar, çdo rresht i PDF-së mbetet rresht teksti. Hiqja shenjën për të bashkuar rreshtat e çdo paragrafi në një, çka është më mirë për ta ngjitur në një dokument ose në një përkthyes. Një fjalë e ndarë me vizë në fund të rreshtit, si “shem-” + “ull”, ribashkohet kur rreshti pasues fillon me shkronjë të vogël. Kufizimi: një fjalë e përbërë që ndahet tamam te vija e vet (“mirë-” + “njohur”) e humb atë vizë, prandaj kontrollo pasazhet e rëndësishme.

Privatësia

PDF-ja lexohet nga shfletuesi yt, në pajisjen tënde. As skedari, as teksti i nxjerrë nuk dërgohen te një server.