Kodėl galiu nukopijuoti tekstą iš PDF?
Skiriasi nuskaitytus puslapius nuo teksto sluoksnių ir kopijavimo apribojimų.
Jūs atidarote PDF dokumentą, paryškinkite sakinį ir pabandykite nukopijuoti jį į Microsoft Word ar kitą programą. Bet nieko nenutinka.
Kartais Jūs negalite pasirinkti teksto. Kitais atvejais, galite pabrėžti tekstą, bet nukopijuotas rezultatas yra keistų simbolių, trūksta tarpų, arba neteisingas formatavimas.
Šios problemos gali kilti dėl kelių priežasčių.
PDF gali turėti nuskaitytus atvaizdus, o ne tikrąjį tekstą, kopijavimas gali būti apribotas dokumentų leidimais arba faile gali būti naudojama neįprasta šrifto koduotė.
Laimei, daugelis iš šių klausimų gali būti nustatyti keliais paprastais patikrinimais.
Šiame vadove mes paaiškinsime šešias bendras priežastis, kodėl jūs galite nukopijuoti tekstą iš PDF ir parodyti jums praktinius būdus juos išspręsti.
Kodėl galite pasirinkti arba kopijuoti tekstą iš PDF?
PDF dokumentuose gali būti įvairių tipų turinys.
Kai kuriuose PDF yra faktinio teksto simbolių, kuriuos galima pasirinkti, ieškoti ir kopijuoti.
Kitose yra teksto vaizdai, pvz., nuskenuoti puslapiai arba dokumentų nuotraukos.
PDF taip pat gali turėti abiejų tipų turinį.
Galimybė kopijuoti tekstą priklauso nuo to, kaip dokumentas buvo sukurtas, ar yra naudotinas teksto sluoksnis ir ar kopijuoti leidžiama.
Prieš bandant išspręsti problemą, nustatyti, kuri situacija taikoma jūsų failui.
1. PDF yra nuskaitytas dokumentas
Viena iš labiausiai paplitusių priežasčių, dėl kurių negalite nukopijuoti teksto, yra tai, kad PDF yra skenuoti vaizdai.
Pavyzdžiui, skenuodamas spausdintą sutartį, skaitytuvas gali išsaugoti kiekvieną puslapį kaip nuotrauką PDF viduje.
Nors dokumentas atrodo, kad jame yra tekstas, raidės iš tiesų yra paveikslėlio dalis.
Normalus teksto atrankos įrankis negali pasirinkti atskirų žodžių iš šio paveikslėlio.
Kaip patikrinti
Atverti PDF skaitytuve.
Pabandykite pabrėžti vieną žodį.
Jei negalite pasirinkti atskirų simbolių, puslapis gali būti atvaizdas pagrįstas.
Taip pat galite pabandyti ieškoti skiriamojo žodžio naudojant PDF skaitytuvo paieškos funkciją.
Jei žodis yra matomas, bet negali būti rastas, dokumente gali būti trūksta ieškomo teksto sluoksnio.
Tačiau, nesėkmingas paieška vien neįrodo, kad PDF yra nuskaitytas.
Kaip taisyti
Naudokite Optinį simbolių atpažinimą (OCR).
OCR programinė įranga analizuoja vaizdus ir bando atpažinti teksto simbolius.
Apdorojus gali būti įmanoma:
- Ieškoti žodžių
- Pažymėti pripažįstamą tekstą
- Kopijuoti tekstą į kitą programą
- Eksportuoti pripažintą turinį į redaguojamą formatą
OCR tikslumas priklauso nuo nuskaityto dokumento kokybės.
2. Kopijavimas yra apribotas PDF leidimų
PDF dokumentuose gali būti saugumo nustatymai, ribojantys tam tikrus veiksmus.
Pavyzdžiui, dokumentas gali leisti peržiūrėti, ribodamas teksto kopijavimą, redagavimą arba spausdinimą.
Šie nustatymai kartais naudojami konfidencialioms ataskaitoms, licencijuotiems leidiniams ir kontroliuojamiems dokumentams.
Kaip patikrinti
Atidarykite PDF skaitytuve, kuriame rodoma dokumentų saugumo informacija.
Adobe Acrobat Reader, pavyzdžiui, galite peržiūrėti dokumentą, nes saugumo savybės.
Ieškoti leidimų, susijusių su turinio kopijavimu.
Kaip taisyti
Jei kopijavimas yra apribotas, susisiekite su dokumento savininku ir paprašykite patvirtintos versijos ar atitinkamų leidimų.
Jei pats sukūrėte dokumentą, grįžkite į originalų pradinio kodo failą ir eksportuokite versiją su numatytais leidimais.
Nemanykite, kad PDF be atidarymo slaptažodžio neturi kopijavimo apribojimų.
3. PDF naudoja neįprastą šrifto koduotę
Kartais galite pasirinkti tekstą, bet kopijuotas rezultatas atrodo neteisingas.
Pavyzdžiui, kopijavimas:
Project Report 2026
gali sukurti netikėtų simbolių ar nesusijusių simbolių seka.
Tai gali atsitikti, kai PDF naudoja užsakymą simbolių koduotes arba trūksta patikimų mapings tarp rodomų glifų ir Unicode simbolių.
PDF skaitytojas gali žinoti, kaip piešti simbolius, bet ne kaip juos išversti atgal į laukiamą tekstą.
Kaip taisyti
Pabandykite atidaryti PDF kitame skaitytuve.
Skirtingos PDF programos gali skirtingai apdoroti simbolių mafinus.
Jei problema tęsiasi, OCR darbo srautas gali atgauti matomas tekstas tiksliau nei įprasta kopija ir įklijuoti.
Jei tai dokumentai, kuriuose yra svarbių duomenų, prieš juos naudojant tekstą su originalu palyginkite.
4. Tekstas yra atvaizdžio arba grafinio dalis
Ne visas nepasirinktas tekstas yra iš nuskaitytų dokumentų.
Iš projekto taikomosios programos eksportuojamame PDF gali būti tekstas, kuris buvo paverstas vektoriniais kontūrais.
Šiuo atveju raidės vaizduojamos kaip grafinės formos, o ne kaip teksto ženklai.
Kartais tai daroma siekiant išsaugoti tikslią vizualią tipografijos išvaizdą.
Kaip taisyti
Jei turite prieigą prie originalaus redaguojamo dokumento, jį vėl eksportuoti, išsaugant tekstą kaip tekstą.
Jei originalus šaltinis yra nepasiekiamas, OCR gali padėti atpažinti matomus simbolius.
Tačiau OCR negali visiškai rekonstruoti dekoratyvinių šriftų ar sudėtingo grafinio teksto.
5. PDF skaitytojas turi atrankos problemą
Kartais pati PDF nėra problema.
Naršyti pagrįstas PDF žiūryklė ar kita programa gali turėti ribotą teksto atrankos funkcionalumą arba laikinas atvaizdavimo problemas.
Kaip taisyti
Pabandykite taip:
- Atsisiųskite PDF į savo įrenginį.
- Atidarykite jį tam skirtame PDF skaitytuve.
- Patvirtinkite, kad teksto atrankos įrankis yra aktyvus.
- Pabandykite pasirinkti kitą punktą.
- Prireikus atnaujinti PDF skaitytuvą.
Jei kopijavimas atliekamas kitoje paraiškoje, klausimas gali būti susijęs su pradine žiūrykle.
6. PDF turi sugadintą arba klaidingą teksto sluoksnį
Kai kuriuose PDF yra teksto sluoksnis, tačiau tas sluoksnis neatitinka matomo turinio.
Tai gali atsitikti po blogos OCR gamybos arba po neteisingos PDF gamybos.
Pavyzdžiui, matomas puslapis gali rodyti:
Invoice Number: 10528
bet kopijuojant tekstą gali būti:
lnvoice Nurnber: 1O528
Šios klaidos gali būti ypač pavojingos išgaunant finansines vertes, identifikatorius arba techninę informaciją.
Kaip taisyti
Išbandykite tikslesnį OCR procesą, naudodami teisingus kalbos nustatymus.
Naudokite aiškų pradinį dokumentą, jei jo yra.
Svarbių įrašų atveju, rankiniu būdu patikrinkite nukopijuotas vertes.
Nepasikliaukite OCR produkcija netikrindami kritinių skaičių ir vardų.
Kaip kopijuoti tekstą iš nuskaityto PDF naudojant OCR
Jeigu Jūsų PDF yra nuskaitytų vaizdų, paprastai tinkamas tirpalas yra OCR.
Žingsnis 1: Patikrinkite skenavimo kokybę
Atidarykite PDF ir patikrinkite puslapius.
Ieškokite skaistaus teksto, šešėlių, skaidrių puslapių ir mažo kontrasto.
Žingsnis 2: Pasirinkite OCR- Gear įrankis
Pasirinkite OCR programą, kuri palaiko dokumentą.
Ne kiekvienas PDF konverteris apima OCR.
PDFreevert šiuo metu nesuteikia OCR. Naudoti atskirą OCR- gebantis taikyti tik vaizduotės puslapių.
Žingsnis 3: pripažinti tekstą
Apdoroti nuskaitytus puslapius naudojant OCR.
Priklausomai nuo programinės įrangos, galite gauti ieškoma PDF, teksto failą, arba redaguojamas dokumentas.
Žingsnis 4: Kopijuoti pripažintą tekstą
Atidarykite OCR rezultatą ir pasirinkite reikiamą tekstą.
Žingsnis 5: Tikrinti tikslumą
Ištrauktas tekstas palyginamas su originalu.
Ypatingą dėmesį skirti:
- Skaičiai
- Datulės
- Pavardė ir vardas
- Valiutos vertės
- Techninė terminologija
- Panašų vaizdą rodantys ženklai
Kopijuojamas tekstas, palyginti su PDF konvertavimu į Word
Kopijuojamas tekstas ir konvertuoti PDF į Word yra susiję, bet skirtingų užduočių.
| Atvaizdas | Kopijuojamas tekstas | PDF - Word konversija |
|---|---|---|
| Pagrindinis tikslas | Ištrinti pasirinktą turinį | Sukurti redaguojamą dokumentą |
| Atsargų išdėstymas | Paprastai ribotas | Bandymai perstatyti išdėstymą |
| Tinka trumpoms ištraukoms | Taip | Dažnai nereikalingas |
| Tinkamas visiems dokumentams | Mažiau patogus | Paprastai patogiau |
| Skenuotas PDF palaikymas | Reikalauja OCR | Reikalingas OCR- gebantis konvertavimas |
| Formavimo tikslumas | Priklauso nuo pastiprinto kiekio | Priklauso nuo konversijos kokybės |
Jei reikia tik trumpos pastraipos, gali pakakti kopijuoti tekstą.
Jei jums reikia redaguoti visą dokumentą, PDF- to- Word konvertavimas gali būti tinkamesnis.
Jūs galite ištirti PDF konvertavimo įrankius, kuriuos galima rasti PDFreevert.
Dažnai užduodami klausimai
Kodėl galiu nurodyti tekstą PDF?
Dokumente gali būti nuskaitytų vaizdų, grafinio teksto ar turinio, kurio PDF skaitytuvas negali interpretuoti kaip pasirinkto teksto.
Kodėl nukopijuotas PDF tekstas turi keistų simbolių?
PDF gali naudoti pasirinktinį šrifto kodavimą arba neteisingus Unicode atvaizdus.
Ar galiu nukopijuoti tekstą iš nuskaityto PDF?
Ne tiesiogiai iš tik vaizduotės puslapio. Paprastai, kad atpažintumėte tekstą, pirmiausia reikia OCR.
Kodėl galiu ieškoti PDF, bet ne kopijuoti jo tekstą?
Dokumento teksto sluoksnis gali būti ieškomas, o kopijavimas yra ribotas, arba žiūrovas gali pasirinkti kitaip.
Ar PDF- to- Word konvertavimas visada padaro tekstą redaguojamą?
Ne. Image pagrindu PDF gali prireikti OCR, ir konvertavimo tikslumas priklauso nuo dokumento struktūros.
Išvada
Jei galite nukopijuoti tekstą iš PDF, priežastis paprastai yra susijusi su dokumento turinio struktūra, saugumo leidimais, simbolių kodavimu arba PDF skaitytuvu.
Pradėkite nuo to, ar tekstas yra pasirenkamas ir gali būti ieškomas.
Jei dokumentas yra skenuojamas, naudokite OCR- gebantį darbo srautą. Jei kopijavimas yra apribotas, prašykite atitinkamų leidimų.
Dėl redaguojamas dokumentas konvertavimo, ištirti priemones, prieinamas PDFreevert.
Suprasti priežastį padės jums pasirinkti tinkamą sprendimą be reikalo atkurti dokumentą.