Çıkarılan metin neden boş veya karışık görünüyor?

PDF fiziksel bir belge taranarak oluşturulduysa, hiç metin katmanı olmayabilir — bu, etkili bir şekilde metnin bir görüntüsüdür. Önce OCR aracını kullanarak metin katmanı ekleyin, ardından çıkarın. PDF standart dışı yazı tipi kodlaması kullandığında karışık metin bazen oluşur; bu durumlarda farklı bir çıkarma motoru kullanan PDF'den Word dönüşümünü deneyin.

Parola korumalı bir PDF'den metin çıkarabilir mi?

Evet, parolanız varsa. Yükleme sırasında parola alanına girin. Bazı PDF'lerin kilidi açıldıktan sonra bile kopyalamayı engelleyen ayrı bir 'içerik kısıtlama' izni olduğuna dikkat edin — bu geçerliyse çıkarıcı sizi bilgilendirir.

İki sütunlu akademik makaleleri doğru işliyor mu?

Evet. Düzen analizi, sütun bölgelerini uzamsal olarak tanımlar ve bunları okuma sırasıyla — önce sol sütun, ardından sağ sütun — çıkarır. Bu, akademik dergilerde ve dergilerde yaygın olarak bulunan iki sütunlu ve üç sütunlu düzenler için geçerlidir.

PDF'deki görüntülere ne olur?

Görüntüler metin çıktısına dahil edilmez — yalnızca metin içerik katmanı çıkarılır. Görüntülere de ihtiyacınız varsa, aynı belgede Görüntüleri Çıkar aracını kullanın.

Çıkarılan metin aranabilir mi?

Çıktı, herhangi bir metin editörü, terminal komutu veya arama dizine ekleme aracıyla doğal olarak aranabilir olan bir düz metin dosyasıdır. Çıktıyı aramak için özel gereksinimler yoktur.

Yalnızca belirli sayfalardan metin çıkarabilir miyim?

Evet. Tek tek sayfalar veya aralıklar belirtmek için sayfa aralığı alanını kullanın (örneğin 1-5 veya 3,7,12). Yalnızca seçili sayfalar işlenir ve çıktıya dahil edilir.

Çıktıda tablo yapısını koruyor mu?

Tablo hücreleri, mümkün olduğunda uzamsal ilişkileri korunarak çıkarılır. Açık kenarlıklara sahip basit tablolar, elektronik tablo yazılımına aktarılabilen sekmeyle ayrılmış biçimde çıkarılır. Karmaşık birleştirilmiş hücreli tablolar manuel temizlik gerektirebilir.

Bu, bir PDF görüntüleyicisinden metin kopyalamaktan ne bakımdan farklıdır?

PDF görüntüleyicileri metni görsel olarak seçer; bu, çok sütunlu düzenlerde ve sayfalara yayılan uzun paragraflarda bozulur. Bu çıkarıcı, altta yatan içerik akışını doğrudan okur; bu, tek adımda tüm belgede daha doğru paragraf sınırları ve doğru okuma sırası sağlar.

Çok büyük bir PDF'den metin çıkarabilir miyim?

Evet. Araç yüzlerce sayfalık PDF'leri işler. İşleme süresi belge uzunluğuyla ölçeklenir — 200 sayfalık bir belge genellikle 30 saniyeden kısa sürede tamamlanır.

Metni düz metin yerine Word biçiminde almam gerekirse ne yapabilirim?

Başlıklar, kalın ve italik stil ve temel tablo yapısı dahil yaklaşık düzen korumasıyla içeriği bir DOCX dosyasına çıkaran PDF'den Word aracını kullanın.

Tüm araçlar

PDF'den Metne

PDF'den metin çıkarın

1Yükle

2Yapılandır

3İşle

Drop file here

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

Temel özellikler

Metni doğrudan PDF içerik katmanından çıkarır
Çok sütunlu düzenler için doğru okuma sırasını yeniden oluşturur
Paragraf yapısını ve aralığını korur
Satır ve sütun sınırlarıyla tabloları işler
Yüzlerce sayfalık PDF'leri destekler
İndirme için temiz TXT dosyası çıktısı verir
İndirmeden önce tarayıcıda çıkarılan metni önizleme
Metni doğrudan önizleme panelinden kopyalama
Karmaşık iç içe geçmiş metin yapılarına sahip PDF'leri işler
Dekoratif veya anlamsal olmayan metin öğelerini tanımlar ve atlar
Parolayı sağlamanız koşuluyla parola korumalı PDF'lerle çalışır
Hesap veya kayıt gerektirmez
İşleme sonrasında dosyalar anında silinir
Tüm yüklemeler için TLS şifrelemesi
Tüm modern tarayıcılarda çalışır

Kullanım senaryoları

Bir belge editörüne yapıştırmak için rapor içeriğini kopyalamak
Bir metin editöründe yasal inceleme için sözleşme maddelerini çıkarmak
PDF faturalarından elektronik tablo iş akışına veri çekmek
Atıf yönetim araçları için araştırma makalesi metnini çıkarmak
PDF içeriğini çeviri veya yerelleştirme araçlarına beslemek
PDF dosyaları kitaplığından aranabilir metin dizini oluşturmak
Tedarikçi PDF kataloglarından ürün açıklamalarını çıkarmak
PDF içeriğini yapay zekâ özetleme veya analiz araçlarına giriş olarak hazırlamak

Nasıl kullanılır

1PDF'inizi yükleme alanına tıklayarak veya dosyayı dosya yöneticinizden sürükleyerek yükleyin.
2Çıktı tercihlerinizi seçin — paragraf aralığı korunarak düz metin veya biçimlendirilmiş metin.
3'Çıkar'a tıklayın ve araç belgenin metin katmanını işlerken bekleyin.
4Önizleme panelinde çıkarılan metni inceleyin. Sütun sırasının ve paragraf yapısının doğru olduğunu kontrol edin.
5TXT dosyasını indirin veya metni doğrudan önizlemeden panonuza kopyalayın.

Bir PDF açıyorsunuz, bir paragrafı kopyalamaya çalışıyorsunuz ve ya hiçbir şey elde ediyorsunuz ya da cümlelerin ortasında rastgele satır sonları bulunan karışık karakterler alıyorsunuz. Bu, tasarım uygulamalarından dışa aktarılan PDF'ler, zayıf bir OCR işleminden geçmiş taranmış belgeler veya karmaşık çok sütunlu düzenlere sahip dosyalarla oluyor. Metin görsel olarak orada — okuyabiliyorsunuz — ancak herhangi bir yere yapıştırabilmek için yeterince temiz seçemiyor olabilirsiniz. dokk.ai'nin PDF'den metne çıkarıcısı, ekran yakalama değil, PDF dosyasına gömülü gerçek metin içerik katmanını okur. Standart metin tabanlı PDF'ler için bu, her karakterin, kelimenin ve paragrafın tam olarak yapılandırıldığı gibi çıkarıldığı anlamına gelir — çok sütunlu düzenler için okuma sırası, tablo hücresi sınırları, liste öğeleri ve dipnotlar dahil. Çıkarma, paragraf aralığını korur; böylece çıktı manuel temizleme olmadan bir belge editörüne, e-postaya veya içerik yönetim sistemine yapıştırmaya hazırdır. Akademik makaleler, gazete tarzı makaleler ve çok sütunlu broşürler gibi sütun ağırlıklı düzenler, metin bölgelerini tanımlayan ve okuma sırasını doğru şekilde yeniden oluşturan bir düzen analizi adımıyla işlenir. Bu adım olmadan, iki sütunlu bir PDF'den naif bir şekilde çıkarılan metin, okunaksız olan her iki sütundan iç içe geçmiş metin üretir. Çıkarıcı sütunları uzamsal olarak tanımlar ve önce sol sütun olmak üzere doğru sırayla çıkarır. Metin katmanı bulunmayan taranmış PDF'ler veya görüntü tabanlı belgeler için, standart çıkarma aracı doğru şekilde metin bulunmadığını bildirir. Bu durumlarda, önce dokk.ai'nin OCR aracı kullanılmalıdır — taranan sayfaları optik karakter tanıma yoluyla işler ve ardından çıkarılabilecek veya kopyalanabilecek aranabilir bir metin katmanı oluşturur. PDF'den Word aracı, düz metin yerine yaklaşık düzen korumasıyla düzenlenebilir DOCX biçiminde çıkarılan içeriğe ihtiyacınız olduğunda bir alternatiftir. Çıkarılan metin, indirilebilir bir TXT dosyası olarak mevcuttur ve ayrıca doğrudan önizleme panelinden kopyalanabilir. Bu, çıkarılan içeriği çeviri araçlarına, yapay zekâ ardışık düzenlerine, arama dizinlerine veya içerik analizi komut dosyalarına geçirmeyi kolaylaştırır. Görüntüleri Çıkar aracı, tek bir belgeden hem metin hem de görsel içeriğe ihtiyacınız varsa, aynı PDF'den gömülü grafikleri çekme tamamlayıcı görevini üstlenir.

Sık sorulan sorular

Güvenlik ve gizlilik

PDF'iniz şifreli bir TLS bağlantısı üzerinden yüklenir ve metin çıkarıldıktan hemen sonra sunucularımızdan silinir. Belge içeriğinizi okumaz, dizine eklemez veya saklamayız. Kayıt gerekmez.