Onko sinulla PDF - dokumentti, josta haluat poimia kaiken tekstin? Entä skannatun asiakirjan kuvatiedostot, jotka haluat muuntaa muokattavaksi tekstiksi? Nämä ovat joitain yleisimmistä ongelmista, joita olen nähnyt työpaikalla työskennellessäni tiedostojen kanssa.

Tässä artikkelissa puhun useista eri tavoista, joilla voit yrittää poimia tekstiä PDF -tiedostosta tai kuvasta. Poimintatulokset vaihtelevat PDF -tiedoston tai kuvan tekstin tyypin ja laadun mukaan. Lisäksi tulokset vaihtelevat käyttämäsi työkalun mukaan, joten on parasta kokeilla mahdollisimman monia alla olevista vaihtoehdoista saadaksesi parhaat tulokset.

Pura teksti kuvasta tai PDF-tiedostosta

Yksinkertaisin ja nopein tapa aloittaa on kokeilla PDF - tekstinpoistopalvelua verkossa. Nämä ovat yleensä ilmaisia ​​ja voivat tarjota sinulle tarkalleen mitä etsit ilman, että sinun tarvitsee asentaa mitään tietokoneellesi. Tässä on kaksi, joita olen käyttänyt erittäin hyvillä tai erinomaisilla tuloksilla:

Pura PDF

ExtractPDF on ilmainen työkalu kuvien, tekstin ja fonttien poimimiseen PDF - tiedostosta. Ainoa rajoitus on, että PDF^(PDF) -tiedoston enimmäiskoko on 10 MB. Se on vähän pieni; joten jos sinulla on suurempi tiedosto, kokeile joitain muita alla olevia menetelmiä. Valitse tiedosto ja napsauta sitten Lähetä tiedosto^{(Send file)} -painiketta. Tulokset ovat yleensä erittäin nopeita, ja sinun pitäisi nähdä tekstin esikatselu, kun napsautat Teksti^(Text) - välilehteä.

Se on myös mukava lisäetu, että se poimii kuvia myös PDF - tiedostosta, jos tarvitset niitä! Kaiken kaikkiaan verkkotyökalu toimii hyvin, mutta olen törmännyt muutamaan PDF - dokumenttiin, jotka antavat minulle hauskoja tuloksia. Teksti poimitaan hienosti, mutta jostain syystä siinä on rivinvaihto jokaisen sanan jälkeen! Ei suuri ongelma lyhyelle PDF -tiedostolle, mutta varmasti ongelma tiedostoille, joissa on paljon tekstiä. Jos näin käy sinulle, kokeile seuraavaa työkalua.

Online OCR

Online OCR yleensä toimi asiakirjoille, jotka eivät muuntuneet kunnolla ExtractPDF :n avulla , joten on hyvä idea kokeilla molempia palveluita nähdäksesi, kumpi tarjoaa paremman tuloksen. Online OCR sisältää myös hienompia ominaisuuksia, jotka voivat osoittautua käteviksi kaikille, joilla on suuri PDF -tiedosto, jonka tarvitsee muuntaa vain muutaman sivun tekstiä koko asiakirjan sijaan.

Ensimmäinen asia, jonka haluat tehdä, on luoda ilmainen tili. Se on hieman ärsyttävää, mutta jos et luo ilmaista tiliä, se muuntaa PDF -tiedostosi vain osittain koko asiakirjan sijaan. Lisäksi sen sijaan, että pystyisit lataamaan vain 5 Mt:n asiakirjan, voit ladata jopa 100 Mt tiedostoa kohden tilillä.

Valitse ensin kieli ja valitse sitten muunnetulle tiedostolle haluamasi tulostusmuodot. Sinulla on pari vaihtoehtoa ja voit valita useamman kuin yhden, jos haluat. Monisivuinen asiakirja^{(Multipage document)} -kohdassa voit valita Sivunumerot^{(Page numbers)} ja valita sitten vain sivut, jotka haluat muuntaa. Valitse sitten tiedosto ja napsauta Muunna^(Convert) !

Muuntamisen jälkeen sinut ohjataan Asiakirjat^(Documents) -osioon (jos olet kirjautunut sisään), josta näet, kuinka monta vapaata sivua sinulla on jäljellä ja linkit muunnettujen tiedostojesi lataamiseen. Näyttää siltä, ​​että sinulla on vain 25 sivua ilmaiseksi päivässä, joten jos tarvitset enemmän, joudut joko odottamaan hieman tai ostamaan lisää sivuja.

Online OCR teki erinomaista työtä PDF -tiedostojeni muuntamisessa, koska se pystyi säilyttämään tekstin todellisen asettelun. Testissäni otin Word - asiakirjan, jossa käytettiin luettelomerkkejä, erilaisia ​​kirjasinkokoja jne., ja muunsin sen PDF -tiedostoksi . Sitten käytin Online OCR :ää sen muuntamiseen takaisin Word - muotoon ja se oli noin 95% sama kuin alkuperäinen. Se on minusta aika vaikuttavaa.

Lisäksi, jos haluat muuntaa kuvan tekstiksi, Online OCR voi tehdä sen yhtä helposti kuin tekstin purkaminen PDF - tiedostoista.

Ilmainen online OCR

Koska puhuimme kuvasta tekstiin OCR :stä , haluan mainita toisen hyvän verkkosivuston, joka toimii todella hyvin kuvissa. Ilmainen online OCR^{(Free Online OCR)} oli erittäin hyvä ja erittäin tarkka, kun poimiin tekstiä testikuvistani. Otin iPhonestani pari kuvaa kirjojen, pamfletien jne. sivuista ja yllätyin kuinka hyvin se pystyi muuntamaan tekstin.

Valitse tiedosto ja napsauta sitten Lataa^(Upload) - painiketta. Seuraavassa näytössä on pari vaihtoehtoa ja kuvan esikatselu. Voit rajata sen, jos et halua OCR :ää koko asiaa. Napsauta sitten OCR - painiketta ja muunnettu teksti tulee näkyviin kuvan esikatselun alle. Sillä ei myöskään ole rajoituksia, mikä on todella mukavaa.

Online-palvelujen lisäksi on kaksi ilmaista PDF -muuntajaa, jotka haluan mainita siltä varalta, että tarvitset tietokoneellasi paikallisesti toimivaa ohjelmistoa muunnoksen suorittamiseen. Verkkopalveluissa tarvitset aina Internet - yhteyden, eikä se välttämättä ole kaikille mahdollista. Huomasin kuitenkin, että ilmaisohjelmien tulosten laatu oli huomattavasti huonompi kuin verkkosivustojen.

A-PDF-tekstinpoimija

A-PDF Text Extractor on ilmainen ohjelma, joka tekee melko hyvää työtä tekstin purkamisessa PDF - tiedostoista. Kun olet ladannut ja asentanut sen, napsauta Avaa^(Open) - painiketta valitaksesi PDF - tiedostosi. Napsauta sitten Pura^(Extract) teksti aloittaaksesi prosessin.

Se kysyy sijaintia, johon tekstitulostetiedosto tallennetaan, ja sitten se alkaa purkamaan. Voit myös napsauttaa Optio^(Option) - painiketta, jonka avulla voit valita vain tietyt poimittavat sivut ja poimintatyypin. Toinen vaihtoehto on mielenkiintoinen, koska se poimii tekstin eri asetteluissa ja kannattaa kokeilla kaikkia kolmea nähdäksesi, mitkä niistä antavat sinulle parhaan tuloksen.

PDF2-tekstipilotti

PDF2Text Pilot poimii^{(PDF2Text Pilot)}  tekstiä hyvin. Sillä ei ole vaihtoehtoja; lisäät vain tiedostoja tai kansioita, muunnat ja toivot parasta. Se toimi hyvin joissakin PDF^(PDFs) -tiedostoissa , mutta suurimmassa osassa niistä oli lukuisia ongelmia.

Napsauta vain Lisää tiedostoja^{(Add Files)} ja napsauta sitten Muunna^(Convert) . Kun muunnos on valmis, napsauta Selaa^(Browse) avataksesi tiedoston. Kilometrimääräsi vaihtelee tätä ohjelmaa käytettäessä, joten älä odota paljon.

On myös syytä mainita, että jos olet yritysympäristössä tai saat käsiisi Adobe Acrobatin^{(Adobe Acrobat)} kopion töistä, voit todella saada paljon parempia tuloksia. Acrobat ei tietenkään ole ilmainen, mutta sillä on vaihtoehtoja muuntaa PDF Word- , Excel- ja HTML -muotoon. Se tekee myös parhaan työn alkuperäisen asiakirjan rakenteen ylläpitämisessä ja monimutkaisen tekstin muuntamisessa.

Extract Text from PDF and Image Files

Have a PDF dоcument that you wоuld like to extract all the text out of? What about imаge fileѕ of a scanned document that you want to convert into editable text? These are some of the most common issues I’ve seen at thе 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

• Kuinka yhdistää tai yhdistää useita tekstitiedostoja

• Paras ilmainen vaihtoehtoinen PDF-katseluohjelma Adobe Readerille

• Muunna Windows-tietokone virtuaalikoneeksi Hyper-V:n avulla

• Kansion kuvakkeen värin muuttaminen Windowsissa

• Paras ilmainen eheytystyökalu Windowsille on itse

• Vioittuneiden tai vaurioituneiden AVI-tiedostojen korjaaminen

• 10 parasta työkalua MP3-tiedostojen merkitsemiseen ja metatietojen muokkaamiseen

• Kuinka yhdistää useita PowerPoint-esityksiä

• 10 kätevää työkalua USB-muistitikulle

• Kuinka synkronoida kaksi kansiota reaaliajassa Windowsissa

• Paras avoimen lähdekoodin ohjelmisto, jota sinun pitäisi käyttää

• 8 turvallista ilmaista ohjelmistolataussivustoa Windowsille

• Paras ilmainen Windows Registry Cleaner

• Kuinka poistaa salasana PDF-tiedostosta ilmaisella ohjelmistolla tai online-työkalulla

• Kuinka purkaa kuvakkeita EXE-, DLL-, OCX- ja CPL-tiedostoista

• Parhaat ilmaiset pilvipohjaiset PDF-editorin online-työkalut

• Kuinka tunnistaa musiikki tai kappaleet äänen perusteella

• Tarkastele kuvia ja PDF-dokumentteja nopeasti PRIMA Rapid Image Viewerin avulla

• 4 ilmaista työkalua päällekkäisten tiedostojen ja valokuvien poistamiseen

• Parhaat resurssit rojaltivapaaseen musiikkiin käytettäväksi YouTube-videoissa