Что делать, если извлечённый из PDF текст нечитаем
Главное
- В зависимости от способа встраивания шрифтов извлечение может не удаться
- Текстовые данные могут отличаться от отображаемого
- Повторное создание PDF из оригинала часто решает проблему
После извлечения в тексте появляются нечитаемые символы или неверные знаки. Причина в том, как был создан PDF.
Причины
- Информация о шрифтах встроена особым образом, поэтому текстовые данные не совпадают с отображаемыми символами
- Программа, создавшая PDF, преобразовала текст в фигуры (контуры)
- Используется старый формат или особый японский шрифт
Что делать
- Если у вас есть исходный файл (например, Word), создайте PDF заново.
- Откройте его в другой программе для PDF (браузер, «Просмотр» и т. д.) и попробуйте скопировать текст там.
- Если всё равно не удаётся извлечь, превратите PDF в изображения и используйте OCR. (В этом инструменте OCR нет.)
Проверка
Проверьте, искажена ли только часть или весь текст. Если только часть, может хватить ручной правки.
Использовать «Извлечь текст из PDF» (бесплатно)Инструменты, которые хорошо сочетаются
- PDF в изображения: Сохраните каждую страницу PDF как изображение JPEG или PNG.
- Извлечь или удалить страницы PDF: Оставьте только нужные страницы или удалите ненужные.
- Сжать PDF: Уменьшите PDF до выбранного размера — для ограничений при загрузке.
Если это руководство помогло, небольшая благодарность будет очень кстати.
Отправить благодарность (¥300)Отправить подарок (список желаний Amazon)Другие руководства по этому инструменту
- Как скопировать и извлечь текст из PDF
- Почему не удаётся извлечь текст из PDF (отсканированные PDF)
- Как скопировать текст из PDF в Word или заметки
- Советы по использованию текста из PDF для учёбы и отчётов
- Добавлять ли маркеры страниц? Выбор между включением и выключением
- Как извлечь текст из PDF, не отправляя файл никуда