Cara Mengekstrak Teks Biasa dari Dokumen PDF: PDF yang Dapat Dipilih vs. PDF yang Dipindai

PDF Teks yang Dapat Dipilih vs. PDF Gambar yang Dipindai

Memahami jenis PDF yang Anda miliki menentukan cara mengekstrak teks:

Teks PDF yang dapat dipilih:

• Dibuat langsung dari aplikasi: Microsoft Word, Google Docs, Adobe InDesign, PowerPoint
• Karakter disimpan sebagai objek teks Unicode dalam struktur file PDF
• Anda dapat memilih dan menyalin teks secara langsung di PDF mana pun viewer
• Alat ekstraksi teks bekerja secara instan tanpa pemrosesan gambar apa pun
• Contoh: Kontrak yang dibuat di Word dan diekspor sebagai PDF

PDF gambar yang dipindai:

• Dibuat dengan memindai dokumen kertas fisik
• PDF berisi gambar halaman — foto dokumen
• Tidak ada objek teks — teks hanya ada dalam bentuk piksel dalam gambar
• Anda tidak bisa memilih atau menyalin teks dalam penampil PDF standar
• Memerlukan OCR untuk mengenali dan mengonversi karakter piksel menjadi teks yang dapat diedit
• Contoh: Kontrak kertas yang ditandatangani difoto atau dipindai

Cara mengidentifikasi jenis yang Anda miliki: Coba pilih teks di penampil PDF Anda. Jika Anda dapat menyorot setiap kata, itu adalah PDF yang dapat dipilih. Jika menyeret memilih seluruh halaman sebagai gambar, itu adalah PDF yang dipindai.

Langkah demi Langkah: Ekstrak Teks dari PDF di ToolDolfen

1. Buka alat Pengekstrak Teks PDF (PDF Text Extractor)alat.
2. Unggah PDF Anda.
3. Alat secara otomatis mendeteksi apakah PDF dapat dipilih teks:

- PDF yang dapat dipilih: Teks segera diekstraksi dengan akurasi tinggi - PDF yang dipindai: OCR diterapkan secara otomatis untuk mengenali karakter

1. Salin teks yang diekstraksi atau download sebagai file .txt.

Catatan format: Teks yang diekstraksi hanya berupa teks biasa. Tabel dikonversi menjadi baris yang dipisahkan tab. Header dan spasi paragraf merupakan perkiraan. Untuk mempertahankan tata letak, gunakan alat konversi Word.