PDF से टेक्स्ट

टेक्स्ट निष्कर्षण कैसे काम करता है

PDF टेक्स्ट को स्थिति वाले ड्राइंग निर्देशों के रूप में रखती है, दस्तावेज़ के रूप में नहीं। यह टूल उन निर्देशों को PDF.js के ज़रिए पठन क्रम में वापस पढ़ता है और सादे टेक्स्ट के रूप में लिखता है, हर पेज के लिए एक स्पष्ट रूप से चिह्नित खंड। दस्तावेज़ जो कुछ असली टेक्स्ट के रूप में सामने रखता है, सब आता है: शीर्षक, पैराग्राफ़, टेबल सेल, फ़ुटनोट।

आउटपुट सादा UTF-8 टेक्स्ट है, जो इसे आगे के हर काम के लिए दोस्ताना फ़ॉर्मेट बनाता है: अनुवादक में चिपकाना, सर्च इंडेक्स में देना, कॉन्ट्रैक्ट के दो संस्करणों का मिलान, या एडिटर को PDF व्यूअर के बिना काम करने लायक कुछ देना।

एक उपयोगी आदत: पहले टेक्स्ट निकालें, फिर नब्बे पेज पढ़ने से पहले टेक्स्ट में कीवर्ड खोजें। आउटपुट में मौजूद पेज मार्कर बताते हैं कि कौन सा पेज खोलना है।

सीमाएँ और सच्ची बातें

स्कैन किए पेजों में टेक्स्ट लेयर नहीं होती, इसलिए वे खाली निकलते हैं। यह बग नहीं है; शब्द इमेज में रहते हैं। ऐसे पेजों को OCR टूल से चलाएँ, जो पिक्सल पढ़ता है।

जटिल लेआउट (मल्टी-कॉलम पत्रिकाएँ, पेजों में फैली टेबल) बेहतरीन-प्रयास वाले पठन क्रम में निकलते हैं जिन्हें थोड़ी सफ़ाई की ज़रूरत हो सकती है। कर्व या आउटलाइन के रूप में बनाया गया टेक्स्ट कोई भी टूल नहीं निकाल सकता।

एक बार में 20 फ़ाइल तक और हर एक 25 MB तक। निष्कर्षण इसी टैब में होता है; कुछ भी अपलोड नहीं होता।

अक्सर पूछे जाने वाले प्रश्न

गोपनीयता पहले

आपके डिवाइस पर ही रहता है। कुछ अपलोड नहीं होता। कन्वर्ज़न आपके ब्राउज़र में चलता है: कन्वर्ट करते समय नेटवर्क टैब खोलें और देखें कि कुछ नहीं भेजा जाता। कोई खाता नहीं, कोई वॉटरमार्क नहीं, कोई दैनिक सीमा नहीं।