PDF से टेक्स्ट

आप एक PDF खोलते हैं, एक पैराग्राफ कॉपी करने की कोशिश करते हैं, और या तो कुछ नहीं मिलता या वाक्यों के बीच में यादृच्छिक लाइन ब्रेक के साथ अक्षरों की गड़बड़ी मिलती है। यह डिज़ाइन एप्लिकेशन से निर्यात की गई PDFs, खराब OCR पास से गुज़रे स्कैन किए गए दस्तावेज़ों या जटिल मल्टी-कॉलम लेआउट वाली फ़ाइलों के साथ होता है। टेक्स्ट दृश्य रूप से है — आप इसे पढ़ सकते हैं — लेकिन इसे साफ़ तरीके से किसी उपयोगी जगह पेस्ट करने के लिए चुन नहीं सकते। Dokk.ai का PDF to text एक्सट्रैक्टर PDF फ़ाइल में एम्बेडेड वास्तविक टेक्स्ट सामग्री परत पढ़ता है, स्क्रीन कैप्चर नहीं। मानक टेक्स्ट-आधारित PDFs के लिए, इसका मतलब है कि हर अक्षर, शब्द और पैराग्राफ ठीक वैसे ही निकाला जाता है जैसे संरचित है — मल्टी-कॉलम लेआउट के लिए पठन क्रम, तालिका सेल सीमाएं, सूची आइटम और फ़ुटनोट सहित। कॉलम-भारी लेआउट — जैसे शैक्षणिक पेपर, समाचार पत्र-शैली लेख और मल्टी-कॉलम ब्रोशर — एक लेआउट विश्लेषण चरण के साथ संभाले जाते हैं जो टेक्स्ट क्षेत्रों की पहचान करता है और पठन क्रम सही ढंग से पुनर्निर्मित करता है। इस चरण के बिना, एक दो-कॉलम PDF से निकाला गया टेक्स्ट दोनों कॉलम का आपस में मिला हुआ टेक्स्ट देता है, जो अपठनीय होता है। स्कैन की गई PDFs या छवि-आधारित दस्तावेज़ों के लिए जहां कोई टेक्स्ट परत नहीं है, मानक एक्सट्रैक्शन टूल सही ढंग से रिपोर्ट करेगा कि कोई टेक्स्ट मौजूद नहीं है। उन मामलों में, dokk.ai का OCR टूल पहले उपयोग करना चाहिए। निकाला गया टेक्स्ट डाउनलोड करने योग्य TXT फ़ाइल के रूप में उपलब्ध है और पूर्वावलोकन पैनल से सीधे कॉपी भी किया जा सकता है। यह निकाली गई सामग्री को अनुवाद टूल, AI पाइपलाइन, खोज अनुक्रमणिका या सामग्री विश्लेषण स्क्रिप्ट में पास करना आसान बनाता है।