PDF เป็นข้อความ

คุณเปิด PDF พยายามคัดลอกย่อหน้า แต่ได้รับทั้งไม่มีอะไรหรือกองอักขระที่สับสนพร้อมการขึ้นบรรทัดใหม่แบบสุ่มตรงกลางประโยค เกิดขึ้นกับ PDF ที่ส่งออกจากแอปพลิเคชันออกแบบ เอกสารสแกนที่ผ่าน OCR ที่ไม่ดี หรือไฟล์ที่มีเลย์เอาต์หลายคอลัมน์ที่ซับซ้อน ข้อความอยู่ที่นั่นให้เห็น คุณสามารถอ่านได้ แต่คุณไม่สามารถเลือกได้สะอาดพอที่จะวางไว้ที่ใดก็ตามที่มีประโยชน์ ตัวแยกข้อความ PDF เป็นข้อความของ dokk.ai อ่านชั้นเนื้อหาข้อความจริงที่ฝังอยู่ในไฟล์ PDF ไม่ใช่การจับภาพหน้าจอ สำหรับ PDF มาตรฐานที่มีข้อความนั่นหมายความว่าอักขระ คำ และย่อหน้าทุกตัวจะถูกดึงออกมาอย่างแม่นยำตามโครงสร้าง รวมถึงลำดับการอ่านสำหรับเลย์เอาต์หลายคอลัมน์ ขอบเขตเซลล์ตาราง รายการ และเชิงอรรถ เลย์เอาต์ที่มีคอลัมน์หนาแน่น เช่น เอกสารวิชาการ บทความสไตล์หนังสือพิมพ์ และโบรชัวร์หลายคอลัมน์ จะได้รับการจัดการด้วยขั้นตอนการวิเคราะห์เลย์เอาต์ที่ระบุพื้นที่ข้อความและสร้างลำดับการอ่านใหม่อย่างถูกต้อง หากไม่มีขั้นตอนนี้ PDF สองคอลัมน์ที่แยกออกอย่างไม่รอบคอบจะสร้างข้อความที่สลับกันจากทั้งสองคอลัมน์ซึ่งอ่านไม่ออก ตัวแยกระบุคอลัมน์เชิงพื้นที่และส่งออกในลำดับที่ถูกต้อง คอลัมน์ซ้ายก่อน สำหรับ PDF ที่สแกนหรือเอกสารที่มีรูปภาพซึ่งไม่มีชั้นข้อความ เครื่องมือแยกมาตรฐานจะรายงานอย่างถูกต้องว่าไม่มีข้อความ ในกรณีเหล่านั้น ควรใช้เครื่องมือ OCR ของ dokk.ai ก่อน ซึ่งประมวลผลหน้าที่สแกนผ่านการรู้จำอักขระด้วยแสงและสร้างชั้นข้อความที่ค้นหาได้ ข้อความที่แยกออกมามีให้เป็นไฟล์ TXT ที่ดาวน์โหลดได้และยังสามารถคัดลอกโดยตรงจากแผงตัวอย่าง ทำให้ง่ายต่อการส่งเนื้อหาที่แยกออกไปยังเครื่องมือแปล ไปป์ไลน์ AI ดัชนีค้นหา หรือสคริปต์การวิเคราะห์เนื้อหา การเข้ารหัส TLS และการลบอัตโนมัติ