Máte dokument PDF , z ktorého by ste chceli extrahovať celý text? A čo obrazové súbory naskenovaného dokumentu, ktorý chcete previesť na upraviteľný text? Toto sú niektoré z najbežnejších problémov, s ktorými som sa stretol na pracovisku pri práci so súbormi.

V tomto článku budem hovoriť o niekoľkých rôznych spôsoboch, ako sa pokúsiť extrahovať text z PDF alebo z obrázka. Výsledky extrakcie sa budú líšiť v závislosti od typu a kvality textu v PDF alebo obrázku. Vaše výsledky sa tiež budú líšiť v závislosti od nástroja, ktorý používate, takže je najlepšie vyskúšať čo najviac možností nižšie, aby ste dosiahli čo najlepšie výsledky.

Extrahujte text z obrázka alebo PDF

Najjednoduchší a najrýchlejší spôsob, ako začať, je vyskúšať online službu na extrakciu textu PDF . Zvyčajne sú zadarmo a môžu vám poskytnúť presne to, čo hľadáte, bez toho, aby ste museli čokoľvek inštalovať do počítača. Tu sú dva, ktoré som použil s veľmi dobrými až vynikajúcimi výsledkami:

Extrahovať PDF

ExtractPDF je bezplatný nástroj na získavanie obrázkov, textu a písiem zo súboru PDF . Jediným obmedzením je, že maximálna veľkosť súboru PDF je 10 MB. To je trochu málo; takže ak máte väčší súbor, vyskúšajte niektoré z ďalších metód nižšie. Vyberte svoj súbor a potom kliknite na tlačidlo Odoslať súbor^{(Send file)} . Výsledky sú zvyčajne veľmi rýchle a po kliknutí na kartu Text by ste mali vidieť ukážku textu.^(Text)

Príjemnou výhodou je aj to, že extrahuje obrázky aj zo súboru PDF , pre prípad, že by ste ich potrebovali! Celkovo tento online nástroj funguje skvele, ale stretol som sa s niekoľkými dokumentmi PDF , ktoré mi poskytujú vtipný výstup. Text je extrahovaný v poriadku, ale z nejakého dôvodu bude mať zalomenie riadku po každom slove! Nie je to veľký problém pre krátky súbor PDF , ale určite problém pre súbory s množstvom textu. Ak sa vám to stane, vyskúšajte nasledujúci nástroj.

Online OCR

Online OCR zvyčajne fungovalo pre dokumenty, ktoré neboli správne skonvertované pomocou ExtractPDF , takže je dobré vyskúšať obe služby, aby ste zistili, ktorá z nich poskytuje lepší výstup. Online OCR má tiež niekoľko príjemnejších funkcií, ktoré sa môžu ukázať ako užitočné pre každého, kto má veľký súbor PDF , ktorý potrebuje previesť iba text na niekoľkých stranách a nie celý dokument.

Prvá vec, ktorú chcete urobiť, je pokračovať a vytvoriť si bezplatný účet. Je to trochu nepríjemné, ale ak si nevytvoríte bezplatný účet, skonvertuje vaše PDF iba čiastočne , a nie celý dokument. Namiesto toho, aby ste mohli nahrať iba 5 MB dokument, môžete pomocou účtu nahrať až 100 MB na súbor.

Najprv vyberte jazyk a potom vyberte typ výstupných formátov, ktoré chcete pre konvertovaný súbor. Máte niekoľko možností a ak chcete, môžete si vybrať viac ako jednu. V časti Viacstranový dokument^{(Multipage document)} môžete vybrať Čísla strán^{(Page numbers)} a potom vybrať iba strany, ktoré chcete previesť. Potom vyberte súbor a kliknite na Konvertovať^(Convert) !

Po konverzii sa dostanete do sekcie Dokumenty^(Documents) (ak ste prihlásený), kde môžete vidieť, koľko voľných stránok vám zostáva a odkazy na stiahnutie konvertovaných súborov. Zdá sa, že máte zadarmo iba 25 stránok denne, takže ak potrebujete viac, budete musieť chvíľu počkať alebo si kúpiť ďalšie stránky.

Online OCR odviedlo vynikajúcu prácu pri konverzii mojich PDF , pretože dokázalo zachovať skutočné rozloženie textu. V mojom teste som vzal dokument programu Word^(Word) , ktorý používal odrážky, rôzne veľkosti písma atď., a previedol ho do formátu PDF^(PDF) . Potom som ho pomocou Online OCR skonvertoval späť do formátu Word a bol približne na 95 % rovnaký ako originál. To je pre mňa dosť pôsobivé.

Navyše, ak chcete previesť obrázok na text, Online OCR to dokáže rovnako jednoducho ako extrahovanie textu zo súborov PDF .

Online OCR zadarmo

Keďže sme hovorili o OCR z obrázka na text , dovoľte mi spomenúť ďalšiu dobrú webovú stránku, ktorá naozaj dobre funguje na obrázkoch. OCR zadarmo online^{(Free Online OCR)} bolo veľmi dobré a veľmi presné pri extrahovaní textu z mojich testovacích obrázkov. Zo svojho iPhone som urobil pár fotiek stránok kníh, brožúr atď. a bol som prekvapený, ako dobre dokázal previesť text.

Vyberte súbor a potom kliknite na tlačidlo Nahrať^(Upload) . Na ďalšej obrazovke je niekoľko možností a náhľad obrázka. Môžete to orezať, ak nechcete OCR celú vec. Potom stačí kliknúť na tlačidlo OCR a váš skonvertovaný text sa zobrazí pod náhľadom obrázka. Taktiež nemá žiadne obmedzenia, čo je naozaj pekné.

Okrem online služieb existujú dva freeware PDF konvertory, ktoré chcem spomenúť v prípade, že potrebujete softvér bežiaci lokálne na vašom počítači na vykonanie konverzií. S online službami budete vždy potrebovať internetové^(Internet) pripojenie a to nemusí byť možné pre každého. Všimol som si však, že kvalita konverzií z freewarových programov bola výrazne horšia ako z webových stránok.

A-PDF Text Extractor

A-PDF Text Extractor je freeware, ktorý robí celkom dobrú prácu pri extrakcii textu zo súborov PDF . Po stiahnutí a inštalácii kliknite na tlačidlo Otvoriť^(Open) a vyberte súbor PDF . Potom kliknutím na položku Extrahovať^(Extract) text spustite proces.

Požiada vás o umiestnenie na uloženie výstupného textového súboru a potom sa začne extrahovať. Môžete tiež kliknúť na tlačidlo Možnosti^(Option) , ktoré vám umožní vybrať iba určité stránky na extrahovanie a typ extrakcie. Druhá možnosť je zaujímavá, pretože extrahuje text v rôznych rozloženiach a oplatí sa vyskúšať všetky tri, aby ste zistili, ktoré z nich dáva najlepší výstup.

Pilot PDF2Text

PDF2Text Pilot  robí dobrú prácu pri extrakcii textu. Nemá žiadne možnosti; stačí pridať súbory alebo priečinky, konvertovať a dúfať v to najlepšie. Na niektorých súboroch PDF^(PDFs) to fungovalo dobre , ale pri väčšine z nich sa vyskytli mnohé problémy.

Stačí kliknúť na Pridať súbory^{(Add Files)} a potom kliknúť na Konvertovať^(Convert) . Po dokončení konverzie kliknite na tlačidlo Prehľadávať^(Browse) a otvorte súbor. Váš počet najazdených kilometrov sa bude pri použití tohto programu líšiť, takže neočakávajte veľa.

Tiež stojí za zmienku, že ak ste v podnikovom prostredí alebo ak sa vám z práce dostane do rúk kópia Adobe Acrobat , môžete skutočne dosiahnuť oveľa lepšie výsledky. Acrobat samozrejme nie je zadarmo, ale má možnosti previesť PDF do formátu Word , Excel a HTML . Tiež robí najlepšiu prácu pri zachovaní štruktúry pôvodného dokumentu a konverzii komplikovaného textu.

Extract Text from PDF and Image Files

Have a PDF document that you would like to extraсt all the text oυt of? What aboυt image filеs of a scanned document that you want to convert into editable text? Τhese are some of the most common issues I’ve seen at the workplace when working with fіles.

In this article, I’ll talk about several different ways you can go about trying to extract text from a PDF or from an image. Your extraction results will vary depending on the type and quality of the text in the PDF or image. Also, your results will vary depending on the tool you use, so it’s best to try out as many of the options below as possible to get the best results.

Extract Text from Image or PDF

The simplest and quickest way to start is to try an online PDF text extractor service. These are normally free and can give you exactly what you are looking for without having to install anything on your computer. Here are two that I have used with very good to excellent results:

ExtractPDF

ExtractPDF is a free tool to grab images, text and fonts out of a PDF file. The only limitation is that the max size for the PDF file is 10 MB. That’s a bit small; so if you have a bigger file, try some of the other methods below. Choose your file and then click the Send file button. The results are normally very fast and you should see a preview of the text when you click on the Text tab.

It is also a nice added benefit that it extracts images out of the PDF file too, just in case you need those! Overall, the online tool works great, but I have run into a couple of PDF docs that give me funny output. The text is extracted just fine, but for some reason it’ll have a line break after each word! Not a huge problem for a short PDF file, but certainly an issue for files with lots of text. If that happens to you, try the next tool.

Online OCR

Online OCR usually tended to work for the documents that didn’t convert properly with ExtractPDF, so it’s a good idea to try both services to see which ones gives you better output. Online OCR also has some nicer features that can prove handy for anyone with a large PDF file that only needs to convert text on a few pages rather than the whole document.

The first thing you want to do is go ahead and create a free account. It’s a bit annoying, but if you don’t create the free account, it will only partially convert your PDF rather than the entire document. Also, instead of only being able to upload only a 5 MB document, you can upload up to 100MB per file with an account.

First, choose a language and then pick the type of output formats you would like for the converted file. You have a couple of options and you can choose more than one if you like. Under Multipage document, you can select Page numbers and then choose only the pages that you want to convert. Then you select the file and click Convert!

After conversion, you’ll be brought to the Documents section (if you’re logged in) where you can see how many available free pages you have left and links to download your converted files. It seems like you only have 25 pages for free a day, so if you need more than that, you’ll have to either wait a bit or buy more pages.

Online OCR did an excellent job of converting my PDFs because it was able to maintain the actual layout of the text. In my test, I took a Word doc that used bullets, different font sizes, etc and converted it to a PDF. Then I used Online OCR to convert it back to Word format and it was about 95% the same as the original. That’s pretty impressive for me.

Plus, if you are looking to convert an image to text, then Online OCR can do that just as easily as extracting text from PDF files.

Free Online OCR

Since were talking about image to text OCR, let me mention another good website that works really well on images. Free Online OCR was very good and very accurate when extracting text from my test images. I took a couple of photos from my iPhone of pages from books, pamphlets, etc and I was surprised at how well it was able to convert the text.

Choose your file and then click the Upload button. On the next screen, there are a couple of options and a preview of the image. You can crop it if you don’t want to OCR the whole thing. Then just click the OCR button and your converted text will appear below the image preview. It also doesn’t have any limitations, which is really nice.

In addition to the online services, there are two freeware PDF converters I want to mention in case you need software running locally on your computer to perform the conversions. With online services, you’ll always need an Internet connection and that may not be possible for everyone. However, I noticed that the quality of the conversions from the freeware programs were significantly worse than those of the websites.

A-PDF Text Extractor

A-PDF Text Extractor is freeware that does an fairly good job of extracting text from PDF files. Once you download it and install it, click the Open button to choose your PDF file. Then click Extract text to start the process.

It’ll ask you a location to store the text output file and then it will begin extracting. You can also click on the Option button, which lets you choose only certain pages to extract and the extraction type. The second option is interesting because it extracts the text in different layouts and it’s worth trying all three to see which ones gives you the best output.

PDF2Text Pilot

PDF2Text Pilot does an ok job of extracting text. It doesn’t have any options; you just add files or folders, convert and hope for the best. It worked well on some PDFs, but for the majority of them, there were numerous issues.

Just click Add Files and then click Convert. Once the conversion is complete, click on Browse to open the file. You mileage will vary using this program so don’t expect much.

Also, it’s worth mentioning that if you are in a corporate environment or can get your hands on a copy of Adobe Acrobat from work, then you can really get much better results. Acrobat is obviously not free, but it has options to convert PDF to Word, Excel and HTML format. It also does the best job of maintaining the structure of the original document and converting complicated text.

Related posts

• Ako skombinovať alebo zlúčiť viacero textových súborov

• Najlepší bezplatný alternatívny prehliadač PDF k Adobe Reader

• Premeňte počítač so systémom Windows na virtuálny počítač pomocou Hyper-V

• Ako zmeniť farbu ikony priečinka v systéme Windows

• Najlepší bezplatný nástroj na defragmentáciu systému Windows je sám o sebe

• Najlepší softvér s otvoreným zdrojom, ktorý by ste mali používať

• Prezerajte si obrázky a dokumenty PDF rýchlo cez PRIMA Rapid Image Viewer

• HTML kód na obtekanie textu okolo obrázka

• Ako skombinovať viacero prezentácií v PowerPointe

• 3 najlepšie aplikácie na používanie Instagramu na vašom PC

• Ako opraviť poškodené alebo poškodené súbory AVI

• 10 praktických nástrojov, ktoré môžete mať na USB flash disku

• Základný bezplatný softvér na stiahnutie pre Windows

• Ako zdieľať súbory medzi počítačmi, smartfónmi a tabletmi

• Mapujte priečinok na písmeno jednotky v systéme Windows

• Najlepšie bezplatné online nástroje PDF Editor, ktoré sú založené na cloude

• Rýchle zobrazenie histórie vyhľadávania vo všetkých prehliadačoch v systéme Windows

• Bezplatný softvér na úpravu obrázkov a editory pre Windows 11/10

• Previesť adresár Windows na zoznam HTML

• Rozdeľte alebo rozdeľte obrazovku pracovnej plochy na viacero častí