وقتی متن استخراج‌شدهٔ PDF مخدوش است چه کنیم
نکات کلیدی
- بسته به نحوهٔ جاسازی فونت‌ها، استخراج ممکن است شکست بخورد
- داده‌های متن می‌توانند با آنچه نمایش داده می‌شود فرق داشته باشند
- ساخت دوبارهٔ PDF از فایل اصلی اغلب مشکل را حل می‌کند
پس از استخراج، متن نمادهای ناخوانا یا نویسه‌های اشتباه نشان می‌دهد. علت در نحوهٔ ساخت PDF است.
علت‌ها
- اطلاعات فونت به شکل خاصی جاسازی شده، پس داده‌های متن با نویسه‌های نمایش‌داده‌شده نمی‌خواند
- نرم‌افزاری که PDF را ساخته متن را به شکل‌ها (ترسیم) تبدیل کرده
- قالب قدیمی یا فونت خاص ژاپنی به‌کار رفته است
چه کنیم
- اگر فایل اصلی (مثل Word) را دارید PDF را دوباره بسازید.
- آن را در نمایشگر PDF دیگری (مرورگر، Preview و غیره) باز و کپی متن را آنجا امتحان کنید.
- اگر باز هم نتوانستید استخراج کنید، PDF را به تصویر تبدیل و از OCR استفاده کنید. (این ابزار OCR ندارد.)
بررسی
ببینید فقط بخشی خراب است یا همه. اگر فقط بخشی، اصلاح دستی ممکن است جواب دهد.
استفاده از «استخراج متن از PDF» (رایگان)ابزارهایی که با این ابزار خوب هماهنگ‌اند
- PDF به تصویر: هر صفحهٔ PDF را به‌صورت تصویر JPEG یا PNG ذخیره کنید.
- استخراج یا حذف صفحه‌های PDF: فقط صفحه‌های لازم را نگه دارید یا صفحه‌های غیرلازم را بردارید.
- فشرده‌سازی PDF: PDF را برای محدودیت‌های بارگذاری، تا حجم دلخواه کوچک کنید.
اگر این راهنما مفید بود، یک انعام کوچک برایمان ارزش زیادی دارد.
ارسال انعام (¥300)ارسال هدیه (فهرست آرزوهای آمازون)