У вас есть PDF-документ^{(PDF document)} , из которого вы хотите извлечь весь текст? Как насчет файлов изображений отсканированного документа, которые вы хотите преобразовать в редактируемый текст? Вот некоторые из наиболее распространенных проблем, с которыми я сталкивался на рабочем месте при работе с файлами.

В этой статье я расскажу о нескольких различных способах извлечения текста из PDF -файла или изображения. Результаты извлечения будут различаться в зависимости от типа и качества^{(type and quality)} текста в PDF-файле или изображении^{(PDF or image)} . Кроме того, ваши результаты будут различаться в зависимости от используемого вами инструмента, поэтому лучше всего попробовать как можно больше из приведенных ниже вариантов, чтобы получить наилучшие результаты.

Извлечь текст из изображения или PDF

Самый простой и быстрый способ начать — воспользоваться онлайн- сервисом для извлечения ^{(extractor service)}текста из PDF^{(PDF text)} . Обычно они бесплатны и могут дать вам именно то, что вы ищете, без необходимости устанавливать что-либо на свой компьютер. Вот два, которые я использовал с очень хорошими и отличными результатами:

ИзвлечьPDF

ExtractPDF — это бесплатный инструмент для извлечения изображений, текста и шрифтов^{(text and fonts)} из файла PDF^{(PDF file)} . Единственным ограничением является то, что максимальный размер^{(max size)} файла PDF^{(PDF file)} составляет 10 МБ. Это немного мало; поэтому, если у вас есть файл большего размера, попробуйте другие методы, описанные ниже. Выберите файл и нажмите кнопку « Отправить файл^{(Send file)} ». Результаты обычно очень быстрые, и вы должны увидеть предварительный просмотр текста при нажатии на вкладку «Текст»^{(Text tab)} .

Также приятным дополнительным преимуществом является то, что он также извлекает изображения из файла PDF^{(PDF file)} на тот случай, если они вам понадобятся! В целом, онлайн-инструмент работает отлично, но я столкнулся с парой документов в формате PDF^{(PDF docs)} , которые дают мне забавный результат. Текст извлекается просто отлично, но по какой-то причине он будет иметь разрыв строки^{(line break)} после каждого слова! Не большая проблема для короткого файла PDF^{(PDF file)} , но, безусловно, проблема для файлов с большим количеством текста. Если это произойдет с вами, попробуйте следующий инструмент.

Онлайн-распознавание текста

Онлайн-распознавание текста^{(Online OCR)} обычно работало для документов, которые не были должным образом преобразованы с помощью ExtractPDF , поэтому рекомендуется попробовать оба сервиса, чтобы увидеть, какой из них дает лучший результат. Online OCR также имеет несколько приятных функций, которые могут оказаться удобными для тех, у кого есть большой PDF-файл^{(PDF file)} , которому нужно преобразовать текст только на нескольких страницах, а не на всем документе.

Первое, что вы хотите сделать, это создать бесплатную учетную запись. Это немного раздражает, но если вы не создадите бесплатную учетную запись, она только частично преобразует ваш PDF , а не весь документ. Кроме того, вместо того, чтобы загружать только документ размером 5 МБ^{(MB document)} , вы можете загрузить до 100 МБ на файл с помощью учетной записи.

Сначала выберите язык, а затем выберите тип выходных форматов для преобразованного файла. У вас есть несколько вариантов, и вы можете выбрать более одного, если хотите. В разделе Многостраничный документ^{(Multipage document)} вы можете выбрать Номера страниц^{(Page numbers)} , а затем выбрать только те страницы, которые хотите преобразовать. Затем вы выбираете файл и нажимаете ^{(file and click)} Convert !

После преобразования вы попадете в раздел « Документы^(Documents) » (если вы вошли в систему), где вы сможете увидеть, сколько свободных свободных страниц у вас осталось, и ссылки для загрузки преобразованных файлов. Похоже, у вас есть только 25 страниц бесплатно в день, поэтому, если вам нужно больше, вам придется либо немного подождать, либо купить больше страниц.

Online OCR отлично справился с преобразованием моих PDF - файлов, потому что смог сохранить фактическое расположение текста. В своем тесте я взял документ Word^{(Word doc)} , в котором использовались маркеры, разные размеры шрифта и т. д., и преобразовал его в PDF . Затем я использовал Online OCR , чтобы преобразовать его обратно в формат Word,^{(Word format)} и он был примерно на 95% таким же, как оригинал. Это довольно впечатляюще для меня.

Кроме того, если вы хотите преобразовать изображение в текст, Online OCR может сделать это так же легко, как извлечение текста из файлов PDF .

Бесплатное онлайн-распознавание текста

Раз уж мы заговорили об OCR изображения в текст , позвольте мне упомянуть еще один хороший веб-сайт, который действительно хорошо работает с изображениями. Бесплатное онлайн-распознавание текста^{(Free Online OCR)} было очень хорошим и очень точным при извлечении текста из моих тестовых изображений. Я сделал пару фотографий со своего iPhone страниц из книг, брошюр и т. Д. И был удивлен тем, насколько хорошо он смог преобразовать текст.

Выберите файл и нажмите кнопку « Загрузить»^{(Upload button)} . На следующем экране есть пара вариантов и предварительный просмотр изображения. Вы можете обрезать его, если не хотите распознавать его целиком. Затем просто нажмите кнопку OCR,^{(OCR button)} и преобразованный текст появится под предварительным просмотром изображения^{(image preview)} . У него также нет никаких ограничений, что очень приятно.

В дополнение к онлайн-сервисам есть два бесплатных конвертера PDF , которые я хочу упомянуть на тот случай, если вам нужно программное обеспечение, работающее локально на вашем компьютере, для выполнения преобразований. С онлайн-сервисами вам всегда потребуется подключение к Интернету^{(Internet connection)} , а это возможно не для всех. Однако я заметил, что качество конвертации из бесплатных программ было значительно хуже, чем с веб-сайтов.

Экстрактор текста A-PDF

A-PDF Text Extractor — это бесплатное программное обеспечение, которое неплохо справляется с извлечением текста из PDF-файлов^{(PDF file)} . После^(Once) того, как вы загрузите и установите его, нажмите кнопку « Открыть^{(Open button)} », чтобы выбрать файл PDF^{(PDF file)} . Затем нажмите Извлечь текст^{(Extract text)} , чтобы начать процесс.

Он попросит вас указать место для хранения выходного текстового файла,^{(text output file)} а затем начнет извлечение. Вы также можете нажать кнопку « Параметры^(Option) », которая позволяет выбрать только определенные страницы для извлечения и тип извлечения^{(extraction type)} . Второй вариант интересен тем, что он извлекает текст в разных макетах, и стоит попробовать все три, чтобы увидеть, какой из них дает наилучший результат.

Пилот PDF2Text

PDF2Text Pilot отлично^{(PDF2Text Pilot)}  справляется с извлечением текста. У него нет никаких вариантов; вы просто добавляете файлы или папки, конвертируете и надеетесь^{(convert and hope)} на лучшее. Он хорошо работал с некоторыми PDF^(PDFs) -файлами , но с большинством из них возникало множество проблем.

Просто нажмите « Добавить файлы»,^{(Add Files)} а затем нажмите « Преобразовать^(Convert) » . После завершения преобразования нажмите « Обзор^(Browse) » , чтобы открыть файл. Ваш пробег будет варьироваться с помощью этой программы, так что не ожидайте многого.

Кроме того, стоит отметить, что если вы работаете в корпоративной среде или можете получить копию Adobe Acrobat с работы, то вы действительно можете получить гораздо лучшие результаты. Acrobat , очевидно, не бесплатен, но у него есть возможность конвертировать PDF в формат Word , Excel и HTML^{(Excel and HTML format)} . Он также лучше всего справляется с сохранением структуры исходного документа и преобразованием сложного текста.

Extract Text from PDF and Image Files

Have a PDF document that you would like to extract all the text out of? What аbout image files of a scanned document that you want to сonvert into editаble text? These are some of the most common issues I’ve seen аt the workрlace when working with files.

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

• Как объединить или объединить несколько текстовых файлов

• Лучшая бесплатная альтернатива программе просмотра PDF для Adobe Reader

• Преобразование ПК с Windows в виртуальную машину с помощью Hyper-V

• Как изменить цвет значка папки в Windows

• Лучший бесплатный инструмент дефрагментации для Windows — это он сам

• 5 VR-приложений, которые не являются играми

• Как записать, скопировать и сделать резервную копию CD или DVD

• Как синхронизировать две папки в режиме реального времени в Windows

• Best Free PDF Editor Online Tools, которые находятся на основе облаков

• Как создавать, монтировать и записывать файлы образов ISO бесплатно

• Сопоставление папки с буквой диска в Windows

• 8 безопасных сайтов для скачивания бесплатных программ для Windows

• HoneyView Review: Free Fast Image Viewer Software для Windows 10

• Как добавить Shadow на Text or Image в GIMP

• Как определить музыку или песни по звуку

• 7 лучших приложений для открытия файлов JAR в Windows

• Как обмениваться файлами между ПК, смартфонами и планшетами

• Как закрепить Text and Image до Clipboard History в Windows 10

• Основные бесплатные загрузки программного обеспечения для Windows

• 6 бесплатных приложений для записи дисков Blu-ray