แปลง PDF เป็นข้อความ

ตัวแบ่งหน้าและเลย์เอาต์

• ทำเครื่องหมายตัวแบ่งหน้า (ค่าเริ่มต้น) – บรรทัด "--- Page 2 ---" ก่อนแต่ละหน้า เพื่อให้รู้ว่าข้อความที่อ้างอิงมาจากหน้าไหน
• Form feed – อักขระตัวแบ่งหน้าแบบคลาสสิกที่มองไม่เห็น ซึ่ง pdftotext และเครื่องพิมพ์ใช้
• ไม่มีตัวแบ่งหน้า – ข้อความต่อเนื่องเป็นก้อนเดียว เหมาะที่สุดสำหรับวางในผู้ช่วย AI หรือโปรแกรมแปลภาษา
• คงเลย์เอาต์ – คำต่าง ๆ อยู่ในตำแหน่งแนวนอนเดิม คอลัมน์และตารางจึงเรียงตรงกันในฟอนต์ความกว้างคงที่

PDF ที่สแกน

ถ้า PDF เป็นไฟล์สแกน จะไม่มีข้อความให้ดึง – มีแต่ภาพของหน้า เครื่องมือจะแจ้งให้ทราบและเสนอ ดำเนินการต่อด้วย OCR: ไฟล์เดิมจะถูกส่งไปยัง เครื่องมือ OCR ซึ่งจะจดจำข้อความ จากนั้นใช้ PDF เป็นข้อความอีกครั้ง สำหรับตาราง PDF เป็น CSV จะคงแถวและคอลัมน์ไว้

ตัวอย่าง: อ้างอิงข้อความจากรายงาน

คุณต้องการข้อความไม่กี่ย่อหน้าจากรายงาน 60 หน้าไปใส่ในอีเมล การคัดลอกจากโปรแกรมดู PDF ทำให้ทุกบรรทัดขาดกลางประโยค ดึงข้อความที่นี่ เปิดไฟล์ .txt แล้วค้นหาข้อความที่ต้องการ – ตัวระบุหน้าด้านบนบอกว่าต้องอ้างอิงหน้าใด