Преминете към съдържанието
Coverton Блог
В тази статия
PDF

Как да извлечете текст от сканиран PDF

PDF може да съдържа текст, който се маркира, или само изображения на страниците. Изберете инструмент според желания резултат.

Използвайте безплатния инструмент →

Пробвайте да маркирате текста

Маркирайте изречение или го потърсете в PDF четеца. Сканираните страници може да изискват OCR; дори маркираният текст понякога се копира в грешен ред.

Текст, PDF с търсене или таблица?

OCR извлича текст за редактиране, а PDF с търсене позволява търсене в сканирани страници. Таблиците се извличат в CSV или XLSX; сканирани таблици и слети клетки не се възстановяват автоматично.

Защо TXT съдържа букви и цифри?

Base64 представя данните на изображението, а не разпознава думите. Използвайте OCR и проверете имената, датите и сумите. При първо използване се изтеглят модулът и езиковите файлове.

Преди да започнете

Определете предназначението на документа

Запазете оригинала и уточнете целта: промяна на страници, нов документ, извличане на информация или отчет. Освен видимите страници PDF може да съдържа формуляри, отметки, коментари и подписи. Преди официално подаване на копието проверете поддържаните функции.

При избор на страници различавайте позицията във файла от отпечатания номер. Ако създавате документ от въведени данни, проверявайте стойностите и реда им. Когато размерът, разположението или печатният макет се настройват, пробвайте страница с плътен текст или съдържание до края.

Запишете накратко източниците, реда и планираните промени. За съществуващ PDF отбележете избраните страници и нужните функции, за нов документ запазете използваните стойности. Ако дефектът се появява по-късно, сравнете междинното копие с оригинала, за да намерите първата промяна. Включете изискванията на получателя: добрият вид на пробата не означава изпълнение на всички условия.

Проверете съдържанието и функциите

Прегледайте началото, края и местата, където съдържанието е преместено, обединено или разделено. Сверете броя и стойностите с източника или входния списък. В отчет или извлечен текст проверете няколко резултата върху оригиналните страници; празен отчет не доказва липсата на всякаква важна информация.

За печат използвайте преглед и пробен лист за четимост и разположение. Нужните полета, връзки и проверка на подписи тествайте отделно; външният вид не потвърждава работата им. При грешка проверете защитата, формата и посочените граници, като запазите оригинала.

Изберете правилния инструмент

Примерни входни данни илюстрират работния процес; те не обещават определен размер на файла, точност на разпознаване или съвместимост.

Снимка на документ в PDF

Сравнението на ъглите на запечатан документ може да направи снимката по-лесна за четене. PDF, спасен от тази корекция, все още съдържа изображение и се нуждае от OCR за извлечен текст.

Поставете четирите ъгъла около документа в ред на часовника и се уверете, че ръбовете не пресичат. Изберете ширината на изхода и разрешете допълнителния износ PDF, когато е необходимо.

Пример

Снимка на документа + четири ъгъла → коригирана снимка/PDF
  1. Добавете снимка на документа и изберете четири ъгъла на часовника.
  2. Поставете ширината на изхода и изберете дали да експортирате PDF.
  3. Извършете корекцията и проверете границите и малките текстове.
  4. Изтеглете корекцията на изображението и опцията PDF.
Какво да проверите

Ъглите се избират ръчно. Сенките и размазаният текст не се възстановяват; използвайте OCR след това, ако ви трябва редактируем текст.

Отворете инструмента →

Изображение и сканиран PDF OCR

OCR може да извлече текстове от снимки, когато техните текстове не могат да бъдат копирани. разпознаване може да съдържа грешки, така че сравнете транскрипта с източника, преди да споделите извлечения текст.

За документ на корейски изберете Корейски + Английски. При PDF посочете нужния диапазон страници, за да сравните по-лесно разпознатия текст с оригинала.

Пример

Скенирана страница → преглед OCR текст
  1. Добавете изображения или PDF и изберете езика за разпознаване.
  2. За вход PDF изберете съответния диапазон от страници.
  3. Извършете OCR и коригирайте грешките в полето за резултати.
  4. Сравнете имена и цифри с източника, а след това изтеглите TXT.
Какво да проверите

До 25 PDF страници се обработват. таблична структура и уравнения не се възстановяват; проверете имената, сумите и броя на сметките срещу източника.

Отворете инструмента →

Направете сканиран PDF файл с възможност за търсене

Скенираните документи може да не подкрепят търсенето, защото техните писма се съхраняват като снимки. Добавянето на признат текст над страници изображенията позволява търсене и подбор, но признат текст все още се нуждае от сравнение с източника.

Изберете език за разпознаване и диапазон от до десет страници, а след това признаване на документа възстановяване. Само избрани страници стават изображения плюс текст, без да копирате оригиналните форми, подписи или бележки.

Пример

Скениране PDF + OCR език → търсене PDF копие
  1. Добавете сканирания PDF, който не може да се търси.
  2. Изберете език и страници, а след това признайте реконструкцията.
  3. Извършете и изпробвате Намиране и копиране в резултата.
  4. Изтеглете търсещия PDF и разпознатия текст.
Какво да проверите

До 10 избрани страници, възстановени като страници изображения плюс OCR текст. Форми, подписи и букви не се копират. Първо използване изтегляне OCR активи; разпознаване може да съдържа грешки.

Отворете инструмента →

Извлечете PDF таблица в Excel или CSV

Позициите на текста могат да помогнат за отделяне на таблица PDF, когато обичайното копиране смесва колоните му. Екстракцията не възпроизвежда визуалния форматиране на таблицата, така че преразгледайте генерираните й глави и клетки преди повторно използване.

Определете страниците, съдържащи таблицата и хоризонталните граници на колоната, измерени в точки PDF. Влезте в възходящите положителни граници, като отбелязвате, че първия извлечен ред се превръща в заглавието, а не предшестващ обяснителен текст.

Пример

текст PDF + колони граници → преглед CSV/XLSX
  1. Добавете PDF, съдържащ прочетена таблица с текст.
  2. Въведете диапазона на страницата и хоризонталните граници на колоната.
  3. Извършване, проверка и редактиране на извлечената таблица.
  4. Съхранявайте прегледания продукт CSV или XLSX.
Какво да проверите

Само PDF файлове с текст: до 10 страници, 200 реда и 20 колони. Слети клетки, сканирани таблици и стилове не се възстановяват. Първият ред е заглавен; клетките на резултата могат да се редактират.

Отворете инструмента →

Превърнете разписките в таблица на разходите

OCR може да осигури стартова таблица при записване на дати и суми от няколко приходи. признати суми са кандидати, така че сравнявайте всяка стойност с снимката, вместо да я третирате като потвърдена заплата.

Подгответе ясни, недвусмислени снимки и изберете OCR език, съответстващ на печатен текст. Валутата не се изчислява автоматично, така че въведете валутата, показана на всеки оригинален запис в таблицата за преглед.

Пример

Предоставяне на изображения → преглед на разходите CSV/XLSX
  1. Добавете снимки и изберете техния език OCR.
  2. Създаване на кандидати и признат текст.
  3. Проверете и редактирайте дата, търговец, сума, валута и бележки.
  4. Съхранявайте прегледани CSV или Excel и полезни транскрипти.
Какво да проверите

Проверете сумите и търговците срещу оригиналите. Валутата е оставена за вас да влезете; няма данъчна / счетоводна категоризация. До 10 изображения, OCR на устройството.

Отворете инструмента →

Това ръководство описва публичните уеб инструменти и техните ограничения за поддръжка. Запазете оригинала си и проверете изтегления резултат. Coverton · Корекции и контакт

Този превод е изготвен със софтуерна помощ. Можете да прочетете и английската версия. Прочетете на английски