Ekstrak teks dari PDF
Baca lapisan teks PDF secara langsung dan gunakan OCR pada halaman tanpa lapisan teks.
Tambahkan PDF dan pilih rentang halaman. Setiap halaman diperiksa apakah memiliki lapisan teks: jika ada, teks diekstrak tanpa OCR; jika tidak, halaman dirender sebagai gambar untuk dikenali.
Biarkan rentang kosong untuk memproses semua halaman. Gabungkan rentang dan halaman tunggal, misalnya 1-3,5. Nomor halaman dimulai dari 1 dan harus berada dalam jumlah halaman dokumen.
Edit hasil per halaman, lalu salin atau simpan semua halaman atau halaman terpilih sebagai TXT. Urutan lapisan teks dan informasi font dapat memengaruhi spasi dan urutan baca. Alat ini tidak merekonstruksi struktur tabel.
Cara menggunakan
- Pilih PDF dan periksa jumlah halamannya.
- Jika perlu, isi rentang seperti 1-3,5 lalu mulai ekstraksi.
- Tinjau tiap halaman dan pilih hasil yang akan disalin.
Yang perlu diperiksa
Mode OCR yang Anda pilih tidak berlaku untuk halaman yang memiliki lapisan teks. Saat ini tidak ada opsi untuk mengabaikan lapisan itu dan memaksa OCR.
Pertanyaan yang sering diajukan
Apakah PDF teks memerlukan model?
Halaman dengan lapisan teks diekstrak langsung memakai pdfjs-dist. Halaman tanpa lapisan teks memerlukan mesin OCR dan data bahasa yang dipilih.
Bolehkah rentang halaman dikosongkan?
Boleh. Rentang kosong berarti semua halaman. Rentang yang tidak valid dilaporkan sebelum pemrosesan dimulai.
Bisakah satu PDF memuat halaman pindaian dan halaman teks sekaligus?
Lapisan teks diperiksa untuk setiap halaman secara terpisah. Hanya halaman tanpa lapisan teks yang diproses dengan OCR.