PDF u tekst

Kada tekst ispadne nečitak

Ponekad ekstrakcija vrati tekst, ali on nije ispravan: pojavljuju se nasumični simboli, kvadrati ili slova pomerena u abecedi. To se dešava kada fontovi u PDF-u ne sadrže mapu koja njihove glifove povezuje sa stvarnim znakovima, što neki programi za dizajn i štampu izostavljaju. Stranica izgleda ispravno jer iscrtava oblike, ali znakovi ispod njih nisu prikazana slova. Tretirajte tu datoteku kao sken i pokrenite je kroz alat skenirani PDF u tekst.

Blaže nepravilnosti imaju jednostavnije uzroke: fi i fl spojeni su u jedan ligaturni znak ili je reč podeljena na dva dela zato što PDF postavlja svako slovo zasebno.

Sređivanje izdvojenog teksta

Odštampani redovi izdvajaju se kao zasebni redovi, pa pasus dobija prelom posle svakih nekoliko reči, a reči prelomljene crticom na kraju reda ostaju podeljene. Zaglavlja, podnožja i brojevi stranica ponavljaju se jednom po stranici među glavnim tekstom. Uklonite ih pre citiranja ili ponovne upotrebe teksta, a oznake stranica izbrišite ako će tekst biti korišćen kao celina.

Za brojanje reči ili znakova u dokumentu nalepite očišćeni tekst u brojač reči; brojanje iz sirovog rezultata obuhvata i svako zaglavlje i oznaku.

Kako se koristi

1. Izaberite PDF.
2. Izdvojite tekst.
3. Kopirajte ga ili preuzmite .txt datoteku.

Privatnost i ograničenja

Datoteka se otvara i obrađuje u vašem pregledaču i nikada se ne otprema, što je važno kada je dokument ugovor, skenirani dokument ili bilo šta drugo što ne biste dali nepoznatoj osobi. Skenirani PDF ne sadrži tekst za izdvajanje i alat to prijavljuje, umesto da vrati praznu datoteku.