A ruhet formatimi (titujt, listat) kur nxirr tekst?

Nxjerrja e tekstit nxjerr tekst të pastër pa formatim vizual. Strukturat si titujt, listat dhe tabelat humbni formatimin — mbetet vetëm teksti i tyre.

A funksionon nxjerrja e tekstit me PDF-e të skanuara?

Jo direkt. PDF-et e skanuara janë imazhe dhe nuk kanë tekst të lexueshëm pa OCR. Aktivizoni OCR para nxjerrjes ose përdorni mjetin OCR fillimisht.

A mbahet renditja e rreshtave të tekstit?

Tekstet ruhen si rreshta, por renditja mund të ndryshohet nëse PDF ka layout me shumë kolona ose tekst jo-linear. Struktura vizuale e kompleksitetit të lartë mund të prodhojë tekst me rend pak të ndryshëm.

A nxirren karakteret speciale dhe simbolet saktë?

Po. Teksti nxirret me enkodimin Unicode, duke ruajtur saktë karakteret speciale, diakritikët dhe simbolet matematikore.

A mund të nxirr tekst nga faqe specifike?

Po. Mund të specifikoni vargun e faqeve ose faqet specifike nga të cilat dëshironi të nxirrni tekst.

Si trajtohet teksti i fshehur ose transparent?

Teksti transparent (zakonisht i shtuar nga OCR) gjithashtu nxirret. Kjo mund të prodhojë tekst nga shtresat e padukshme — i dobishëm për analizë.

A nxirren shënimet dhe komentet?

Teksti nga shënimet dhe komentet PDF nxirret si tekst shtesë, i ndara nga teksti kryesor i faqes.

A mbështeten gjuhët me shkrim RTL si arabishtja?

Po. Teksti RTL (djathtas-majtas) ruhet me enkodim të duhur. Sidoqoftë, renditja fizike e karaktereve mund të ndryshojë nga renditja vizuale — kjo është normale.

A mund ta përdor API-n e dokk.ai për nxjerrje automatike teksti?

Po. API mbështet nxjerrjen programatike të tekstit, ideal për procesim automatizuar të dokumenteve.

Cili është kufiri i madhësisë skedari për nxjerrje teksti?

Kufiri varet nga plani juaj. Nxjerrja e tekstit nga skedarë të mëdhenj mund të marrë pak më shumë kohë.

Të gjitha mjetet

PDF në tekst

Nxirr tekst nga PDF

1Ngarko

2Konfiguro

3Përpuno

Drop file here

PDF, Word, Excel, PowerPoint, images up to 25 MB

Karakteristikat kryesore

Nxjerrje e plotë e tekstit si .txt. Ruajtje e strukturës rresht pas rreshti. Mbështetje shumëgjuhëshe. Opsion nxjerrja faqe-faqe. 100% i sigurt.

Rastet e përdorimit

Nxjerrja e tekstit për procesim NLP. Konvertimi i dokumenteve PDF për indeksim. Nxjerrja e të dhënave tekstuale për analiza. Marrja e tekstit nga raportet PDF.

Si të përdoret

1Ngarko skedarin PDF në dokk.ai.
2Zgjidhni nëse dëshiron nxjerrje të plotë ose faqe-faqe.
3Opsionalisht aktivizo OCR nëse PDF-i përmban faqe të skanuara.
4Klikoni Nxirr Tekstin.
5Shkarko skedarin .txt ose kopjo tekstin direkt nga shfaqja.

Nxjerrja e tekstit të pastër nga PDF nevojitet shpesh: për analizë teksti, përkthim, import në bazë të dhënash, ose përpunim të mëtejshëm. Mjeti nxjerr vetëm tekstin duke hequr formatimin, imazhet dhe vizatimin. Nxjerrësi i dokk.ai lexon shtresën aktuale të tekstit të integruar në PDF, jo kapje ekrani. Për PDF standarde me tekst, çdo karakter, fjalë dhe paragraf nxirret me saktësi duke ruajtur rendin e leximit. Vizatimet me shumë kolona — artikuj shkencorë, formate gazetash — trajtohen me një hap analize që identifikon zonat e tekstit dhe rindërton rendin e duhur të leximit. Për PDF të skanuara ku nuk ekziston shtresa e tekstit, përdorni fillimisht OCR për krijimin e shtresës, pastaj nxirrni tekstin. Teksti i nxjerrë disponohet si skedar TXT i shkarkueshëm dhe mund të kopjohet drejtpërdrejt nga paneli i pamjes paraprake. Skedarët mbrohen me TLS dhe fshihen pas përpunimit. dokk.ai ekstrakton tekst nga PDF me dy menyra dalëse: tekst të pastër dhe tekst strukturor që ruan formatin. Teksti i pastër është ideal për indeksim, kërkim të plotë dhe përpunim gjuhësor. Për dokumente të skanuara, OCR aplikohet automatikisht. Motori OCR mbështet mbi 40 gjuhë. Mjeti përpunon skedarë deri në 100 MB. Kriptimi TLS dhe fshirje automatike.

Pyetjet e shpeshta

Siguria dhe privatësia

Skedarët tuaj përpunohen në mënyrë të sigurt dhe fshihen automatikisht nga serverët e dokk.ai brenda një ore.