ตัวแยกข้อความจาก PDF

ตัวแยกข้อความจาก PDF เปลี่ยน PDF กลับเป็นข้อความธรรมดาที่สะอาดและคัดลอกได้ — โดยไม่ต้องอัปโหลดอะไรเลย เปิดไฟล์แล้วเครื่องมือจะอ่านเลเยอร์ข้อความที่เก็บไว้ด้านหลังแต่ละหน้า สร้างทุกบรรทัดใหม่จากตำแหน่งของอักขระ แล้วส่งข้อความที่นำไปใช้ต่อได้จริงให้คุณ: หน้าสองคอลัมน์จะออกมาทีละคอลัมน์แทนที่จะสลับปะปน ชื่อเรื่องที่วิ่งซ้ำและหมายเลขหน้าที่ซ้ำในทุกหน้าจะถูกลบออก คำที่ถูกตัดด้วยยัติภังค์ท้ายบรรทัดจะถูกต่อกลับ และบรรทัดที่ตัดแข็งจะถูกจัดกลับเป็นย่อหน้าจริง ต้องการระยะห่างเดิมแทนหรือไม่? สลับไปที่ รักษาเค้าโครง สำหรับตาราง ใบแจ้งหนี้ และใบเสร็จ หรือ ลำดับดิบ เพื่อดูสิ่งที่ไฟล์เก็บไว้ตามจริง ทุกอย่างทำงานในเบราว์เซอร์ของคุณ ดังนั้นสัญญา ใบแจ้งยอด เอกสาร และต้นฉบับจึงไม่เคยออกจากอุปกรณ์ของคุณ

วิธีแยกข้อความจาก PDF

1. เปิด PDF ของคุณ ลากไฟล์ PDF หลายไฟล์ลงในพื้นที่วางหรือแตะ เลือกไฟล์ PDF ได้หลายไฟล์ ระบบจะอ่านบนอุปกรณ์ของคุณและไม่เคยอัปโหลด รีบอยู่หรือไม่? กด ลองหน้าตัวอย่างสองคอลัมน์ เพื่อดูเครื่องมือทำงานทันที
2. เลือกสไตล์การแยกข้อความ จัดเรียงอัจฉริยะ สร้างย่อหน้าและลำดับการอ่านใหม่ รักษาเค้าโครง จำลองระยะห่างบนหน้า และ ลำดับดิบ แสดงผลการแยกที่ยังไม่แตะต้อง
3. จัดให้สะอาด เปิด ลบส่วนหัวและส่วนท้ายที่ซ้ำ, รวมคำที่ถูกตัดด้วยยัติภังค์ และ ตรวจหาคอลัมน์ ไว้ และพิมพ์ช่วง เช่น 1-5, 12 ในช่อง หน้า หากต้องการเพียงบางส่วนของเอกสาร
4. คัดลอกหรือดาวน์โหลด อ่านตัวอย่าง แล้วกด คัดลอกข้อความทั้งหมด หรือดาวน์โหลดผลลัพธ์เป็นไฟล์ .txt หรือ Markdown

ควรใช้สไตล์การแยกข้อความแบบใด?

สิ่งที่ทำให้ตัวแยกข้อความจาก PDF นี้ต่างออกไป

การใช้งานทั่วไป

อ้างอิงเอกสารวิจัยโดยไม่ต้องพิมพ์ใหม่ ย้ายข้อความของสัญญาหรือสัญญาเช่าไปยังเอกสารเพื่อทำเครื่องหมายแก้ไข ดึงรายการบรรทัดจากใบแจ้งหนี้หรือใบแจ้งยอด ส่งรายงานเข้าเครื่องมือแปล สรุป หรือแอปจดบันทึก กู้คำของอีบุ๊กหรือคู่มือเพื่อค้นหา เตรียมคลังข้อความที่สะอาดสำหรับวิเคราะห์ หรือเพียงทำให้ PDF ยาวอยู่ในรูปแบบที่โปรแกรมอ่านหน้าจอ ตัวแก้ไข หรือโทรศัพท์จัดการได้อย่างสบาย

การแยกข้อความทำงานอย่างไร

PDF ที่สร้างแบบดิจิทัลเกือบทุกไฟล์จะเก็บเลเยอร์ข้อความที่มองไม่เห็นไว้ด้านหลังหน้าที่มองเห็น: อักขระเดียวกับที่เลือกได้ในโปรแกรมอ่าน โดยแต่ละตัวถูกบันทึกพร้อมตำแหน่งที่วาดพอดี เครื่องมือนี้อ่านเลเยอร์นั้นแล้วสร้างโครงสร้างใหม่จากเรขาคณิต อักขระที่อยู่บนเส้นฐานเดียวกันจะกลายเป็นหนึ่งบรรทัด พื้นที่แนวนอนที่แต่ละบรรทัดครอบคลุมจะถูกวัดข้ามหน้า และแถบแนวตั้งที่ไม่มีบรรทัดใดตัดผ่านจะถือเป็นช่องว่างของเค้าโครงหลายคอลัมน์ ซึ่งกำหนดลำดับการอ่าน บรรทัดที่กินความกว้างเต็มหน้า — ชื่อเรื่อง คำบรรยายภาพ เส้นคั่น — จะแบ่งหน้าเป็นเขตคอลัมน์และคงอยู่ตามตำแหน่ง สุดท้าย ระยะห่างบรรทัดทั่วไปและขอบขวาของเนื้อหาบอกเครื่องมือว่าย่อหน้าจบจริงตรงไหน ดังนั้นบรรทัดจะถูกรวมเฉพาะเมื่อข้อความต่อเนื่องจริง

วิธีคำนวณเปอร์เซ็นต์การครอบคลุมข้อความ

ค่าการครอบคลุมข้อความคือสัดส่วนของหน้าใน PDF ของคุณที่มีข้อความที่อ่านได้ เครื่องมือจะนับหน้าที่มีข้อความที่แยกได้อย่างน้อยหนึ่งบรรทัด หารด้วยจำนวนหน้าทั้งหมด แล้วปัดเศษเป็นเปอร์เซ็นต์จำนวนเต็ม ค่า 100% หมายความว่าทุกหน้ามีเลเยอร์ข้อความ ส่วนค่าที่ต่ำกว่าหมายความว่าบางหน้า ซึ่งมักเป็นภาพสแกน ไม่มีข้อความให้แยก ค่านี้วัดว่าเอกสารส่วนใดอ่านได้ ไม่ได้วัดว่าคำที่แยกได้ถูกต้องแค่ไหน

เมื่อการแยกข้อความทำไม่ได้

เอกสารสแกนคือภาพถ่ายของหน้า ไม่มีเลเยอร์ข้อความ จึงไม่มีอะไรให้แยก และเครื่องมือใดที่อ้างเป็นอย่างอื่นกำลังเดา ตัวแยกนี้ตรวจจับกรณีนั้นแล้วบอกคุณ แทนที่จะส่งไฟล์ว่างให้ หากต้องการข้อความจากภาพสแกน คุณต้องใช้ OCR (การรู้จำอักขระด้วยแสง) ก่อน PDF ที่เข้ารหัสก็เปิดไม่ได้จนกว่าจะเอาการป้องกันออก และเนื่องจาก PDF อธิบายคำสั่งวาดมากกว่าโครงร่างเอกสาร บางอย่างจึงเป็นค่าประมาณโดยธรรมชาติ: หน้าที่ออกแบบหนาแน่น แถบข้าง เชิงอรรถ สัญลักษณ์คณิตศาสตร์ และข้อความที่วาดเป็นงานเวกเตอร์ อาจออกมาในลำดับที่คุณต้องจัดมืออีกครั้ง การสลับระหว่างสามสไตล์มักเป็นวิธีที่เร็วที่สุดในการได้จุดตั้งต้นที่สะอาดที่สุด