Έχετε ένα έγγραφο PDF από το οποίο θέλετε να εξαγάγετε όλο το κείμενο; Τι γίνεται με τα αρχεία εικόνας ενός σαρωμένου εγγράφου που θέλετε να μετατρέψετε σε επεξεργάσιμο κείμενο; Αυτά είναι μερικά από τα πιο κοινά ζητήματα που έχω δει στο χώρο εργασίας όταν εργάζομαι με αρχεία.

Σε αυτό το άρθρο, θα μιλήσω για πολλούς διαφορετικούς τρόπους με τους οποίους μπορείτε να προσπαθήσετε να εξαγάγετε κείμενο από ένα PDF ή από μια εικόνα. Τα αποτελέσματα εξαγωγής σας θα διαφέρουν ανάλογα με τον τύπο και την ποιότητα του κειμένου στο PDF ή στην εικόνα. Επίσης, τα αποτελέσματά σας θα διαφέρουν ανάλογα με το εργαλείο που χρησιμοποιείτε, επομένως είναι καλύτερο να δοκιμάσετε όσο το δυνατόν περισσότερες από τις παρακάτω επιλογές για να έχετε τα καλύτερα αποτελέσματα.

Εξαγωγή κειμένου από εικόνα ή PDF

Ο απλούστερος και πιο γρήγορος τρόπος για να ξεκινήσετε είναι να δοκιμάσετε μια ηλεκτρονική υπηρεσία εξαγωγής κειμένου PDF . Αυτά είναι συνήθως δωρεάν και μπορούν να σας δώσουν ακριβώς αυτό που ψάχνετε χωρίς να χρειάζεται να εγκαταστήσετε τίποτα στον υπολογιστή σας. Εδώ είναι δύο που έχω χρησιμοποιήσει με πολύ καλά έως εξαιρετικά αποτελέσματα:

Εξαγωγή PDF

Το ExtractPDF^(ExtractPDF) είναι ένα δωρεάν εργαλείο για να αφαιρέσετε εικόνες, κείμενο και γραμματοσειρές από ένα αρχείο PDF . Ο μόνος περιορισμός είναι ότι το μέγιστο μέγεθος για το αρχείο PDF είναι 10 MB. Αυτό είναι λίγο μικρό? Επομένως, εάν έχετε μεγαλύτερο αρχείο, δοκιμάστε μερικές από τις άλλες μεθόδους παρακάτω. Επιλέξτε το αρχείο σας και, στη συνέχεια, κάντε κλικ στο κουμπί Αποστολή αρχείου^{(Send file)} . Τα αποτελέσματα είναι συνήθως πολύ γρήγορα και θα πρέπει να δείτε μια προεπισκόπηση του κειμένου όταν κάνετε κλικ στην καρτέλα Κείμενο .^(Text)

Είναι επίσης ένα ωραίο πρόσθετο πλεονέκτημα ότι εξάγει εικόνες από το αρχείο PDF , μόνο σε περίπτωση που τις χρειαστείτε! Συνολικά, το διαδικτυακό εργαλείο λειτουργεί εξαιρετικά, αλλά έχω συναντήσει μερικά έγγραφα PDF που μου δίνουν αστεία αποτελέσματα. Το κείμενο εξάγεται μια χαρά, αλλά για κάποιο λόγο θα έχει μια αλλαγή γραμμής μετά από κάθε λέξη! Δεν είναι τεράστιο πρόβλημα για ένα σύντομο αρχείο PDF , αλλά σίγουρα ένα πρόβλημα για αρχεία με πολύ κείμενο. Αν σας συμβεί αυτό, δοκιμάστε το επόμενο εργαλείο.

Online OCR

Το ηλεκτρονικό OCR^{(Online OCR)} συνήθως λειτουργούσε για έγγραφα που δεν μετατράπηκαν σωστά με το ExtractPDF^(ExtractPDF) , επομένως είναι καλή ιδέα να δοκιμάσετε και τις δύο υπηρεσίες για να δείτε ποιες σας προσφέρουν καλύτερη απόδοση. Το διαδικτυακό OCR^{(Online OCR)} έχει επίσης μερικές ωραιότερες λειτουργίες που μπορούν να αποδειχθούν χρήσιμες για οποιονδήποτε έχει ένα μεγάλο αρχείο PDF που χρειάζεται μόνο να μετατρέψει κείμενο σε λίγες σελίδες και όχι σε ολόκληρο το έγγραφο.

Το πρώτο πράγμα που θέλετε να κάνετε είναι να προχωρήσετε και να δημιουργήσετε έναν δωρεάν λογαριασμό. Είναι λίγο ενοχλητικό, αλλά αν δεν δημιουργήσετε τον δωρεάν λογαριασμό, θα μετατρέψει μόνο εν μέρει το PDF σας και όχι ολόκληρο το έγγραφο. Επίσης, αντί να μπορείτε να ανεβάσετε μόνο ένα έγγραφο 5 MB, μπορείτε να ανεβάσετε έως και 100 MB ανά αρχείο με έναν λογαριασμό.

Πρώτα, επιλέξτε μια γλώσσα και, στη συνέχεια, επιλέξτε τον τύπο των μορφών εξόδου που θέλετε για το αρχείο που μετατράπηκε. Έχετε μερικές επιλογές και μπορείτε να επιλέξετε περισσότερες από μία αν θέλετε. Στην περιοχή Έγγραφο πολλών σελίδων^{(Multipage document)} , μπορείτε να επιλέξετε Αριθμοί σελίδων^{(Page numbers)} και, στη συνέχεια, να επιλέξετε μόνο τις σελίδες που θέλετε να μετατρέψετε. Στη συνέχεια επιλέγετε το αρχείο και κάνετε κλικ στο Convert !

Μετά τη μετατροπή, θα μεταφερθείτε στην ενότητα Έγγραφα^(Documents) (εάν είστε συνδεδεμένοι) όπου μπορείτε να δείτε πόσες διαθέσιμες δωρεάν σελίδες σας έχουν απομείνει και συνδέσμους για τη λήψη των αρχείων που έχετε μετατρέψει. Φαίνεται ότι έχετε μόνο 25 σελίδες δωρεάν την ημέρα, οπότε αν χρειάζεστε περισσότερες από αυτές, θα πρέπει είτε να περιμένετε λίγο είτε να αγοράσετε περισσότερες σελίδες.

Το διαδικτυακό OCR^{(Online OCR)} έκανε εξαιρετική δουλειά στη μετατροπή των PDF μου , επειδή ήταν σε θέση να διατηρήσει την πραγματική διάταξη του κειμένου. Στη δοκιμή μου, πήρα ένα έγγραφο του Word που χρησιμοποιούσε κουκκίδες, διαφορετικά μεγέθη γραμματοσειράς κ.λπ. και το μετέτρεψα σε PDF . Στη συνέχεια χρησιμοποίησα το Online OCR για να το μετατρέψω ξανά σε μορφή Word και ήταν περίπου 95% ίδιο με το πρωτότυπο. Αυτό είναι αρκετά εντυπωσιακό για μένα.

Επιπλέον, εάν θέλετε να μετατρέψετε μια εικόνα σε κείμενο, τότε το Online OCR μπορεί να το κάνει εξίσου εύκολα με την εξαγωγή κειμένου από αρχεία PDF .

Δωρεάν Online OCR

Επειδή μιλούσαμε για εικόνα σε κείμενο OCR , επιτρέψτε μου να αναφέρω έναν άλλο καλό ιστότοπο που λειτουργεί πολύ καλά σε εικόνες. Το Free Online OCR^{(Free Online OCR)} ήταν πολύ καλό και πολύ ακριβές κατά την εξαγωγή κειμένου από τις δοκιμαστικές μου εικόνες. Πήρα μερικές φωτογραφίες από το iPhone μου με σελίδες από βιβλία, φυλλάδια κ.λπ. και εξεπλάγην με το πόσο καλά μπόρεσε να μετατρέψει το κείμενο.

Επιλέξτε το αρχείο σας και, στη συνέχεια, κάντε κλικ στο κουμπί Μεταφόρτωση^(Upload) . Στην επόμενη οθόνη, υπάρχουν μερικές επιλογές και μια προεπισκόπηση της εικόνας. Μπορείτε να το περικόψετε εάν δεν θέλετε να κάνετε OCR ολόκληρο. Στη συνέχεια, απλώς κάντε κλικ στο κουμπί OCR και το κείμενο που μετατράπηκε θα εμφανιστεί κάτω από την προεπισκόπηση της εικόνας. Επίσης δεν έχει κανέναν περιορισμό, πράγμα πολύ ωραίο.

Εκτός από τις διαδικτυακές υπηρεσίες, υπάρχουν δύο δωρεάν μετατροπείς PDF που θέλω να αναφέρω σε περίπτωση που χρειάζεστε λογισμικό που εκτελείται τοπικά στον υπολογιστή σας για να πραγματοποιήσετε τις μετατροπές. Με τις διαδικτυακές υπηρεσίες, θα χρειάζεστε πάντα σύνδεση στο Διαδίκτυο^(Internet) και αυτό μπορεί να μην είναι δυνατό για όλους. Ωστόσο, παρατήρησα ότι η ποιότητα των μετατροπών από τα δωρεάν προγράμματα ήταν σημαντικά χειρότερη από αυτή των ιστοσελίδων.

Εξαγωγή κειμένου A-PDF

Το A-PDF Text Extractor^{(A-PDF Text Extractor)} είναι δωρεάν λογισμικό που κάνει αρκετά καλή δουλειά στην εξαγωγή κειμένου από αρχεία PDF . Μόλις το κατεβάσετε και το εγκαταστήσετε, κάντε κλικ στο κουμπί Άνοιγμα^(Open) για να επιλέξετε το αρχείο PDF σας . Στη συνέχεια, κάντε κλικ στην Εξαγωγή^(Extract) κειμένου για να ξεκινήσει η διαδικασία.

Θα σας ζητήσει μια τοποθεσία για να αποθηκεύσετε το αρχείο εξόδου κειμένου και στη συνέχεια θα ξεκινήσει η εξαγωγή. Μπορείτε επίσης να κάνετε κλικ στο κουμπί Επιλογή^(Option) , το οποίο σας επιτρέπει να επιλέξετε μόνο συγκεκριμένες σελίδες προς εξαγωγή και τον τύπο εξαγωγής. Η δεύτερη επιλογή είναι ενδιαφέρουσα γιατί εξάγει το κείμενο σε διαφορετικές διατάξεις και αξίζει να δοκιμάσετε και τις τρεις για να δείτε ποιες σας δίνουν την καλύτερη απόδοση.

PDF2Text Pilot

Το PDF2Text Pilot^{(PDF2Text Pilot)}  κάνει μια καλή δουλειά στην εξαγωγή κειμένου. Δεν έχει καμία επιλογή? απλά προσθέτετε αρχεία ή φακέλους, μετατρέπετε και ελπίζετε για το καλύτερο. Λειτουργούσε καλά σε ορισμένα PDF^(PDFs) , αλλά για την πλειονότητά τους, υπήρχαν πολλά προβλήματα.

Απλώς κάντε κλικ στην Προσθήκη αρχείων^{(Add Files)} και, στη συνέχεια, κάντε κλικ στην επιλογή Μετατροπή^(Convert) . Μόλις ολοκληρωθεί η μετατροπή, κάντε κλικ στο Browse για να ανοίξετε το αρχείο. Τα χιλιόμετρα σας θα ποικίλλουν χρησιμοποιώντας αυτό το πρόγραμμα, οπότε μην περιμένετε πολλά.

Επίσης, αξίζει να αναφέρουμε ότι αν βρίσκεστε σε εταιρικό περιβάλλον ή μπορείτε να πάρετε στα χέρια σας ένα αντίγραφο του Adobe Acrobat από τη δουλειά, τότε μπορείτε πραγματικά να έχετε πολύ καλύτερα αποτελέσματα. Το Acrobat^(Acrobat) προφανώς δεν είναι δωρεάν, αλλά έχει επιλογές για μετατροπή PDF σε μορφή Word , Excel και HTML . Κάνει επίσης την καλύτερη δουλειά για τη διατήρηση της δομής του αρχικού εγγράφου και τη μετατροπή περίπλοκου κειμένου.

Extract Text from PDF and Image Files

Have a PDF docυment that you would like to extract all the text out of? What about image files of a scannеd document that you want to convеrt into editable text? These are some of the most common issues I’ve seen at the 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

• Πώς να συνδυάσετε ή να συγχωνεύσετε πολλαπλά αρχεία κειμένου

• Το καλύτερο δωρεάν εναλλακτικό πρόγραμμα προβολής PDF στο Adobe Reader

• Μετατρέψτε έναν υπολογιστή με Windows σε εικονική μηχανή χρησιμοποιώντας το Hyper-V

• Πώς να αλλάξετε το χρώμα του εικονιδίου φακέλου στα Windows

• Το καλύτερο δωρεάν εργαλείο ανασυγκρότησης για Windows είναι το ίδιο

• Πώς να αφαιρέσετε τον κωδικό πρόσβασης από το PDF με Ελεύθερο Λογισμικό ή Διαδικτυακό Εργαλείο

• Αντιστοιχίστε έναν φάκελο σε ένα γράμμα μονάδας δίσκου στα Windows

• Πώς να μοιράζεστε αρχεία μεταξύ υπολογιστών, smartphone και tablet

• Μετατροπή του καταλόγου των Windows σε καταχώριση HTML

• 10 εύχρηστα εργαλεία που πρέπει να έχετε στη μονάδα flash USB

• Αντιγράψτε μεγάλα αρχεία μέσω του δικτύου ταχύτερα με το TeraCopy

• 7 καλύτερες εφαρμογές για άνοιγμα αρχείων JAR στα Windows

• Κώδικας HTML για αναδίπλωση κειμένου γύρω από την εικόνα

• Πώς να συνδυάσετε πολλαπλές παρουσιάσεις PowerPoint

• Ξεκλειδώστε τα αρχεία Zip που προστατεύονται με κωδικό πρόσβασης

• Οι καλύτεροι δωρεάν διαχειριστές προχείρου για Windows

• Διαχωρίστε ή χωρίστε την οθόνη της επιφάνειας εργασίας σας σε πολλά μέρη

• Πώς να προσθέσετε σκιά σε κείμενο ή εικόνα στο GIMP

• 6 δωρεάν εφαρμογές λογισμικού εγγραφής δίσκων Blu-ray

• Πώς να προσδιορίσετε τη μουσική ή τα τραγούδια με ήχο