یک سند PDF^{(PDF document)} دارید که می خواهید تمام متن را از آن استخراج کنید؟ فایل های تصویری یک سند اسکن شده که می خواهید به متن قابل ویرایش تبدیل کنید چطور؟ اینها برخی از رایج ترین مشکلاتی است که من در محل کار هنگام کار با فایل ها دیده ام.

در این مقاله، من در مورد چندین روش مختلف صحبت خواهم کرد که می توانید برای استخراج متن از یک PDF یا از یک تصویر استفاده کنید. نتایج استخراج شما بسته به نوع و کیفیت^{(type and quality)} متن در PDF یا تصویر^{(PDF or image)} متفاوت خواهد بود. همچنین، نتایج شما بسته به ابزاری که استفاده می کنید متفاوت خواهد بود، بنابراین بهتر است تا حد امکان گزینه های زیر را امتحان کنید تا بهترین نتیجه را بگیرید.

متن را از تصویر یا PDF استخراج کنید

ساده ترین و سریع ترین راه برای شروع این است که یک سرویس آنلاین استخراج ^{(extractor service)}متن PDF^{(PDF text)} را امتحان کنید . اینها معمولاً رایگان هستند و می توانند دقیقاً همان چیزی را که به دنبال آن هستید بدون نیاز به نصب چیزی بر روی رایانه خود به شما ارائه دهند. در اینجا دو مورد از آنها با نتایج بسیار خوب تا عالی استفاده شده است:

استخراج PDF

ExtractPDF یک ابزار رایگان برای گرفتن تصاویر، متن و فونت^{(text and fonts)} ها از یک فایل PDF است^{(PDF file)} . تنها محدودیت این است که حداکثر حجم^{(max size)} فایل PDF^{(PDF file)} 10 مگابایت است. این کمی کوچک است. بنابراین اگر فایل بزرگتری دارید، برخی از روش های زیر را امتحان کنید. فایل خود را انتخاب کنید و سپس روی دکمه ارسال فایل^{(Send file)} کلیک کنید. نتایج معمولاً بسیار سریع هستند و وقتی روی زبانه Text^{(Text tab)} کلیک می کنید باید پیش نمایشی از متن را مشاهده کنید .

همچنین یک مزیت اضافه شده خوب است که تصاویر را از فایل PDF^{(PDF file)} نیز استخراج می کند، فقط در صورتی که به آنها نیاز داشته باشید! به طور کلی، ابزار آنلاین عالی کار می کند، اما من با چند سند PDF^{(PDF docs)} مواجه شده ام که خروجی خنده دار به من می دهد. متن به خوبی استخراج می شود، اما به دلایلی بعد از هر کلمه یک خط شکسته می شود! ^{(line break)}مشکل بزرگی برای یک فایل PDF^{(PDF file)} کوتاه نیست، اما مطمئناً مشکلی برای فایل‌هایی با متن زیاد است. اگر این اتفاق برای شما افتاد، ابزار بعدی را امتحان کنید.

OCR آنلاین

OCR آنلاین^{(Online OCR)} معمولاً برای اسنادی کار می کند که به درستی با ExtractPDF تبدیل نمی شوند ، بنابراین ایده خوبی است که هر دو سرویس را امتحان کنید تا ببینید کدام یک خروجی بهتری به شما می دهند. OCR آنلاین^{(Online OCR)} همچنین دارای برخی ویژگی‌های زیباتر است که می‌تواند برای هر کسی با یک فایل PDF^{(PDF file)} بزرگ که تنها به تبدیل متن در چند صفحه به جای کل سند نیاز دارد، مفید باشد.

اولین کاری که می خواهید انجام دهید این است که ادامه دهید و یک حساب کاربری رایگان ایجاد کنید. این کمی آزاردهنده است، اما اگر حساب رایگان ایجاد نکنید، فقط تا حدی PDF شما را به جای کل سند تبدیل می کند. همچنین، به جای اینکه فقط بتوانید فقط یک سند 5 مگابایتی^{(MB document)} را آپلود کنید، می توانید تا 100 مگابایت در هر فایل با یک حساب کاربری آپلود کنید.

ابتدا یک زبان را انتخاب کنید و سپس نوع فرمت های خروجی مورد نظر خود را برای فایل تبدیل شده انتخاب کنید. شما چند گزینه دارید و در صورت تمایل می توانید بیش از یکی را انتخاب کنید. در سند^{(Multipage document)} چند صفحه ای ، می توانید شماره صفحه^{(Page numbers)} را انتخاب کنید و سپس فقط صفحاتی را که می خواهید تبدیل کنید انتخاب کنید. سپس فایل را انتخاب کرده و روی ^{(file and click)} Convert کلیک کنید !

پس از تبدیل، به بخش Documents (اگر وارد سیستم شده باشید) وارد خواهید شد، جایی که می توانید تعداد صفحات رایگان موجود و لینک های دانلود فایل های تبدیل شده خود را ببینید. به نظر می رسد که شما فقط 25 صفحه به صورت رایگان در روز دارید، بنابراین اگر به بیش از آن نیاز دارید، باید یا کمی صبر کنید یا صفحات بیشتری بخرید.

OCR آنلاین^{(Online OCR)} کار بسیار خوبی را در تبدیل فایل های PDF من انجام داد زیرا می توانست طرح بندی واقعی متن را حفظ کند. در آزمایشم، یک سند Word^{(Word doc)} گرفتم که از گلوله ها، اندازه های مختلف فونت و غیره استفاده می کرد و آن را به PDF تبدیل کردم . سپس از Online OCR برای تبدیل آن به فرمت ورد استفاده^{(Word format)} کردم و تقریباً 95٪ مشابه نسخه اصلی بود. این برای من بسیار چشمگیر است.

به علاوه، اگر به دنبال تبدیل یک تصویر به متن هستید، OCR آنلاین^{(Online OCR)} می تواند این کار را به همان راحتی استخراج متن از فایل های PDF انجام دهد.

OCR آنلاین رایگان

از آنجایی که در مورد OCR تصویر به متن صحبت می شد ، اجازه دهید یک وب سایت خوب دیگر را ذکر کنم که واقعاً روی تصاویر کار می کند. OCR آنلاین رایگان^{(Free Online OCR)} هنگام استخراج متن از تصاویر آزمایشی من بسیار خوب و بسیار دقیق بود. من از آیفون خود چند عکس از صفحات کتاب، جزوه و غیره گرفتم و از اینکه چقدر خوب می تواند متن را تبدیل کند شگفت زده شدم.

فایل خود را انتخاب کنید و سپس روی دکمه آپلود کلیک کنید^{(Upload button)} . در صفحه بعدی، چند گزینه و پیش نمایش تصویر وجود دارد. اگر نمی‌خواهید همه چیز را OCR کنید، می‌توانید آن را برش دهید. سپس فقط روی دکمه OCR کلیک کنید^{(OCR button)} و متن تبدیل شده شما در زیر پیش نمایش تصویر^{(image preview)} ظاهر می شود . همچنین هیچ محدودیتی ندارد، که واقعا خوب است.

علاوه بر خدمات آنلاین، دو مبدل PDF رایگان وجود دارد که می‌خواهم در صورتی که برای انجام تبدیل‌ها نیاز به نرم‌افزاری دارید که به صورت محلی روی رایانه شما اجرا می‌شود، اشاره کنم. با خدمات آنلاین، همیشه به اتصال به اینترنت^{(Internet connection)} نیاز دارید و این ممکن است برای همه امکان پذیر نباشد. با این حال، متوجه شدم که کیفیت تبدیل های برنامه های رایگان به طور قابل توجهی بدتر از وب سایت ها بود.

استخراج متن A-PDF

A-PDF Text Extractor نرم افزار رایگانی است که کار نسبتا خوبی در استخراج متن از فایل PDF^{(PDF file)} انجام می دهد. پس از^(Once) دانلود و نصب آن، روی دکمه Open کلیک کنید تا ^{(Open button)}فایل PDF^{(PDF file)} خود را انتخاب کنید . سپس بر روی Extract text کلیک کنید تا فرآیند شروع شود.

از شما مکانی برای ذخیره فایل خروجی متن^{(text output file)} می خواهد و سپس استخراج شروع می شود. همچنین می توانید روی دکمه Option کلیک کنید، که به شما امکان می دهد فقط صفحات خاصی را برای استخراج و نوع استخراج^{(extraction type)} را انتخاب کنید . گزینه دوم جالب است زیرا متن را در چیدمان های مختلف استخراج می کند و ارزش آن را دارد که هر سه مورد را امتحان کنید تا ببینید کدام یک بهترین خروجی را به شما می دهد.

PDF2Text Pilot

PDF2Text Pilot  کار خوبی در استخراج متن انجام می دهد. هیچ گزینه ای ندارد. شما فقط فایل ها یا پوشه ها را اضافه کنید، تبدیل کنید و^{(convert and hope)} به بهترین ها امیدوار باشید. روی برخی از PDF^(PDFs) ها به خوبی کار می کرد ، اما برای اکثر آنها، مشکلات متعددی وجود داشت.

فقط روی Add Files کلیک کنید و سپس روی Convert کلیک کنید . پس از تکمیل تبدیل، روی Browse کلیک کنید تا فایل باز شود. مسافت پیموده شده شما با استفاده از این برنامه متفاوت خواهد بود، بنابراین انتظار زیادی نداشته باشید.

همچنین، شایان ذکر است که اگر در یک محیط شرکتی هستید یا می توانید یک نسخه از Adobe Acrobat را از محل کار به دست آورید، واقعاً می توانید نتایج بسیار بهتری بگیرید. واضح است که Acrobat^(Acrobat) رایگان نیست، اما گزینه هایی برای تبدیل PDF به فرمت های Word ، Excel و HTML^{(Excel and HTML format)} دارد. همچنین بهترین کار را برای حفظ ساختار سند اصلی و تبدیل متن پیچیده انجام می دهد.

Extract Text from PDF and Image Files

Have a PDF doсument that you would like to extract all thе text out of? What about image files of a sсanned dоcument that you want to convert into editable text? Thеse arе some of the most common issues I’ve seen at thе workplace when working with files.

In this article, I’ll talk about several different ways you can go about trying to extract text from a PDF or from an image. Your extraction results will vary depending on the type and quality of the text in the PDF or image. Also, your results will vary depending on the tool you use, so it’s best to try out as many of the options below as possible to get the best results.

Extract Text from Image or PDF

The simplest and quickest way to start is to try an online PDF text extractor service. These are normally free and can give you exactly what you are looking for without having to install anything on your computer. Here are two that I have used with very good to excellent results:

ExtractPDF

ExtractPDF is a free tool to grab images, text and fonts out of a PDF file. The only limitation is that the max size for the PDF file is 10 MB. That’s a bit small; so if you have a bigger file, try some of the other methods below. Choose your file and then click the Send file button. The results are normally very fast and you should see a preview of the text when you click on the Text tab.

It is also a nice added benefit that it extracts images out of the PDF file too, just in case you need those! Overall, the online tool works great, but I have run into a couple of PDF docs that give me funny output. The text is extracted just fine, but for some reason it’ll have a line break after each word! Not a huge problem for a short PDF file, but certainly an issue for files with lots of text. If that happens to you, try the next tool.

Online OCR

Online OCR usually tended to work for the documents that didn’t convert properly with ExtractPDF, so it’s a good idea to try both services to see which ones gives you better output. Online OCR also has some nicer features that can prove handy for anyone with a large PDF file that only needs to convert text on a few pages rather than the whole document.

The first thing you want to do is go ahead and create a free account. It’s a bit annoying, but if you don’t create the free account, it will only partially convert your PDF rather than the entire document. Also, instead of only being able to upload only a 5 MB document, you can upload up to 100MB per file with an account.

First, choose a language and then pick the type of output formats you would like for the converted file. You have a couple of options and you can choose more than one if you like. Under Multipage document, you can select Page numbers and then choose only the pages that you want to convert. Then you select the file and click Convert!

After conversion, you’ll be brought to the Documents section (if you’re logged in) where you can see how many available free pages you have left and links to download your converted files. It seems like you only have 25 pages for free a day, so if you need more than that, you’ll have to either wait a bit or buy more pages.

Online OCR did an excellent job of converting my PDFs because it was able to maintain the actual layout of the text. In my test, I took a Word doc that used bullets, different font sizes, etc and converted it to a PDF. Then I used Online OCR to convert it back to Word format and it was about 95% the same as the original. That’s pretty impressive for me.

Plus, if you are looking to convert an image to text, then Online OCR can do that just as easily as extracting text from PDF files.

Free Online OCR

Since were talking about image to text OCR, let me mention another good website that works really well on images. Free Online OCR was very good and very accurate when extracting text from my test images. I took a couple of photos from my iPhone of pages from books, pamphlets, etc and I was surprised at how well it was able to convert the text.

Choose your file and then click the Upload button. On the next screen, there are a couple of options and a preview of the image. You can crop it if you don’t want to OCR the whole thing. Then just click the OCR button and your converted text will appear below the image preview. It also doesn’t have any limitations, which is really nice.

In addition to the online services, there are two freeware PDF converters I want to mention in case you need software running locally on your computer to perform the conversions. With online services, you’ll always need an Internet connection and that may not be possible for everyone. However, I noticed that the quality of the conversions from the freeware programs were significantly worse than those of the websites.

A-PDF Text Extractor

A-PDF Text Extractor is freeware that does an fairly good job of extracting text from PDF files. Once you download it and install it, click the Open button to choose your PDF file. Then click Extract text to start the process.

It’ll ask you a location to store the text output file and then it will begin extracting. You can also click on the Option button, which lets you choose only certain pages to extract and the extraction type. The second option is interesting because it extracts the text in different layouts and it’s worth trying all three to see which ones gives you the best output.

PDF2Text Pilot

PDF2Text Pilot does an ok job of extracting text. It doesn’t have any options; you just add files or folders, convert and hope for the best. It worked well on some PDFs, but for the majority of them, there were numerous issues.

Just click Add Files and then click Convert. Once the conversion is complete, click on Browse to open the file. You mileage will vary using this program so don’t expect much.

Also, it’s worth mentioning that if you are in a corporate environment or can get your hands on a copy of Adobe Acrobat from work, then you can really get much better results. Acrobat is obviously not free, but it has options to convert PDF to Word, Excel and HTML format. It also does the best job of maintaining the structure of the original document and converting complicated text.

Related posts

• نحوه ترکیب یا ادغام چندین فایل متنی

• بهترین نمایشگر رایگان PDF جایگزین برای Adobe Reader

• با استفاده از Hyper-V یک کامپیوتر ویندوزی را به ماشین مجازی تبدیل کنید

• نحوه تغییر رنگ آیکون پوشه در ویندوز

• بهترین ابزار Defrag رایگان برای ویندوز خودش است

• 5 برنامه VR که بازی نیستند

• مشاهده سریع تاریخچه جستجو در همه مرورگرهای ویندوز

• گرفتن اسکرین شات در فواصل زمانی مشخص به صورت خودکار در ویندوز

• ImBatch Batch Image Processing Software رایگان برای Windows PC است

• یک کارت SD را به روش آسان فرمت کنید

• 10 بهترین ابزار برای برچسب گذاری MP3 و ویرایش متادیتا

• بهترین پاک کننده رجیستری رایگان ویندوز

• با راه اندازی یک سرور فایل خانگی، فایل های بزرگ را به اشتراک بگذارید

• بهترین نرم افزار متن باز که باید استفاده کنید

• بهترین منابع برای موسیقی رایگان برای استفاده در ویدیوهای YouTube

• ابزارهای رایگان برای سفارشی کردن منوی زمینه کلیک راست

• کد HTML برای قرار دادن متن در اطراف تصویر

• Image Editing Software and Editors رایگان برای Windows 11/10

• 8 سایت دانلود رایگان نرم افزار ایمن برای ویندوز

• نحوه همگام سازی دو پوشه در زمان واقعی در ویندوز