Δεν μπορείτε να αντιγράψετε κείμενο από PDF; Γιατί συμβαίνει και πώς να πάρετε το κείμενο

Αν δεν μπορείτε να επιλέξετε λέξεις σε ένα PDF, οι σελίδες είναι πιθανότατα εικόνες κειμένου, δηλαδή σκαναρισμένες ή φωτογραφημένες, και όχι κείμενο. Ρίξτε το αρχείο στο PDF σε κείμενο: αν βρει λέξεις, αντιγράψτε τες από εκεί. Αν αναφέρει ότι δεν βρέθηκε κείμενο, οι σελίδες χρειάζονται OCR (οπτική αναγνώριση χαρακτήρων), η οποία διαβάζει τα γράμματα από την εικόνα. Και τα δύο βήματα τρέχουν στον περιηγητή σας, και το αρχείο δεν ανεβαίνει ποτέ.

PDF σε κείμενοΧρειάζομαι το κείμενο από ένα PDFΚάντε το δωρεάν

PDF με κείμενο ή σκαναρισμένο PDF

Ένα PDF με κείμενο αποθηκεύει κάθε γράμμα ως χαρακτήρα, με γραμματοσειρά και θέση στη σελίδα. Ένα σκαναρισμένο PDF αποθηκεύει κάθε σελίδα ως μία εικόνα, όπως μια φωτογραφία, οπότε δεν υπάρχει τίποτα να επιλέξετε. Κάποια αρχεία συνδυάζουν και τα δύο: πληκτρολογημένες σελίδες με σκαναρισμένη υπογραφή, ή ένα σκαναρισμένο έντυπο με πληκτρολογημένο τίτλο.

Δοκιμάστε το στον προβολέα σας επιλέγοντας μία λέξη. Αν η επισήμανση ακολουθεί τα γράμματα, το κείμενο υπάρχει. Αν μπορείτε να επιλέξετε μόνο ολόκληρη τη σελίδα ή τίποτα, η σελίδα είναι εικόνα.

Τι βλέπετε	Τι σημαίνει συνήθως	Τι να κάνετε
Οι λέξεις επιλέγονται και αντιγράφονται	PDF με κείμενο	Αντιγράψτε απευθείας, ή χρησιμοποιήστε το PDF σε κείμενο για ολόκληρο το αρχείο
Τίποτα δεν επιλέγεται, και το PDF σε κείμενο δεν βρίσκει κείμενο	Σκαναρισμένες ή φωτογραφημένες σελίδες	Αποδώστε τις σελίδες, και μετά κάντε OCR
Οι λέξεις επιλέγονται, αλλά επικολλώνται ως περίεργα σύμβολα	Οι γραμματοσειρές δεν αντιστοιχίζουν σωστά τα γράμματα σε χαρακτήρες	Δοκιμάστε το PDF σε κείμενο· αν το αποτέλεσμα είναι ακόμη χαλασμένο, χρησιμοποιήστε OCR
Ο προβολέας μπλοκάρει την επιλογή	Περιορισμός αντιγραφής που όρισε ο δημιουργός	Δείτε την ενότητα για τους περιορισμούς

Γιατί ένα PDF δεν σας αφήνει να αντιγράψετε

Τρία πράγματα εμποδίζουν την αντιγραφή, και το καθένα έχει διαφορετική λύση:

• Οι σελίδες είναι σκαναρισμένες εικόνες. Το κείμενο δεν υπάρχει καθόλου στο αρχείο, οπότε το OCR είναι ο μόνος τρόπος να το ανακτήσετε.
• Το αρχείο θέλει κωδικό για να ανοίξει. Δεν μπορεί να διαβαστεί πριν το ξεκλειδώσετε, με τον κωδικό που έχετε, στο πρόγραμμα που χρησιμοποιείτε συνήθως γι' αυτό. Τα εργαλεία εδώ δεν επιχειρούν να ανοίξουν κλειδωμένα αρχεία.
• Ο δημιουργός όρισε περιορισμό αντιγραφής. Κάποια PDF ζητούν από τους προβολείς να μην επιτρέπουν αντιγραφή ή επεξεργασία. Πρόκειται για ρύθμιση που επέλεξε ο δημιουργός, και το fixmint δεν την παρακάμπτει. Αν έχετε δικαίωμα, ζητήστε ένα αντίγραφο χωρίς περιορισμούς ή εξαγάγετέ το από το πρόγραμμα που δημιούργησε το αρχείο.

Πάρτε το κείμενο από PDF με κείμενο

1. Ρίξτε το PDF στο πλαίσιο του PDF σε κείμενο και περιμένετε όσο διαβάζεται κάθε σελίδα.
2. Ελέγξτε το πλήθος σελίδων και λέξεων που εμφανίζεται.
3. Επιλέξτε Δείκτες σελίδων αν θέλετε κάθε σελίδα να έχει ετικέτα. Αφήστε το απενεργοποιημένο για απλό κείμενο.
4. Αντιγράψτε το κείμενο ή κατεβάστε το ως αρχείο .txt.

Στήλες, πίνακες και κεφαλίδες μπορεί να βγουν σε διαφορετική σειρά, επειδή ένα PDF αποθηκεύει πού σχεδιάζεται κάθε κομμάτι κειμένου, όχι σε ποια παράγραφο ανήκει. Αν κάθε γραμμή τελειώνει με χειροκίνητη αλλαγή γραμμής, διαβάστε γιατί το κείμενο που αντιγράφεται από PDF σπάει σε κάθε γραμμή, και μετά επικολλήστε το κείμενο στη Διόρθωση επικολλημένου κειμένου, που ενώνει τις γραμμές κάθε παραγράφου.

Πάρτε το κείμενο από σκαναρισμένο PDF

Οι σκαναρισμένες σελίδες θέλουν δύο βήματα: μετατροπή κάθε σελίδας σε εικόνα, και ανάγνωση του κειμένου σε κάθε εικόνα. Το ίδιο βήμα ανάγνωσης λειτουργεί και για στιγμιότυπο οθόνης ή φωτογραφία, όπως εξηγείται εδώ.

1. Ρίξτε το PDF στη Μετατροπή PDF σε JPG. Επιλέξτε PNG για κείμενο, επειδή διατηρεί καθαρές τις άκρες των γραμμάτων, και 300 DPI για μικρά γράμματα. Διαλέξτε μόνο τις σελίδες που χρειάζεστε, ή αφήστε όλες.
2. Κατεβάστε τις σελίδες. Κάθε μία αποθηκεύεται ως ξεχωριστή εικόνα, ή έρχονται όλες μαζί σε ZIP.
3. Ανοίξτε την Εξαγωγή κειμένου από εικόνα και ρίξτε την πρώτη σελίδα. Οι λέξεις εμφανίζονται αφού διαβαστεί η σελίδα. Οι λέξεις για τις οποίες το πρόγραμμα αμφιβάλλει σημειώνονται με κόκκινο.
4. Επαναλάβετε για κάθε σελίδα με τη σειρά. Επιλέξτε Ένωση γραμμών σε παραγράφους για να αφαιρεθούν οι αλλαγές γραμμής, και μετά αντιγράψτε το αποτέλεσμα.
5. Ελέγξτε κάθε αριθμό, όνομα και ημερομηνία με τη σελίδα πριν τα χρησιμοποιήσετε.

Η Εξαγωγή κειμένου από εικόνα διαβάζει μία εικόνα τη φορά, και μόνο αγγλικά. Το εργαλείο φορτώνει τη μηχανή OCR και το αγγλικό μοντέλο της από τον ιστότοπο όταν ξεκινάτε, και η εικόνα διαβάζεται έπειτα στη συσκευή σας. Μια μεγάλη ή αργή σελίδα μπορεί να θέλει λίγη ώρα, οπότε περιμένετε το αποτέλεσμα πριν αντιγράψετε. Καθαρές, ίσιες και καλά φωτισμένες σελίδες διαβάζονται καλύτερα. Κόψτε τις άκρες μιας φωτογραφίας και κρατήστε την κάμερα κάθετη ως προς τη σελίδα.

Συνηθισμένα λάθη

• Αποθήκευση σελίδων κειμένου ως JPG. Το JPG θολώνει τις άκρες των γραμμάτων, κάτι που μειώνει την ακρίβεια. Το PNG είναι καλύτερη επιλογή για σελίδες μόνο με κείμενο.
• Εμπιστοσύνη στο OCR χωρίς έλεγχο. Η αναγνώριση δεν είναι τέλεια. Διαβάστε τους αριθμούς και τα ονόματα με τη σελίδα.
• Προσδοκία ότι οι πίνακες θα μείνουν πίνακες. Το OCR διαβάζει γραμμές, οπότε ένας πίνακας μπορεί να βγει ως λίστα. Συγκρίνετε το αποτέλεσμα με τη σελίδα.
• Χρήση OCR για χειρόγραφο. Η Εξαγωγή κειμένου από εικόνα είναι φτιαγμένη για τυπωμένο κείμενο. Το χειρόγραφο συνήθως διαβάζεται άσχημα, οπότε γράψτε ξανά αυτά τα μέρη με το χέρι.

Συχνές ερωτήσεις

Ανεβάζει το OCR τις σκαναρισμένες σελίδες μου;

Όχι. Η σελίδα διαβάζεται στον περιηγητή σας, και η εικόνα δεν στέλνεται ποτέ σε διακομιστή. Ο ιστότοπος παραδίδει στον περιηγητή σας τη μηχανή OCR και το αγγλικό μοντέλο της, και η ανάγνωση γίνεται εκεί.

Τι γίνεται αν μερικές σελίδες δεν έχουν κείμενο;

Ενεργοποιήστε τους Δείκτες σελίδων στο PDF σε κείμενο. Μια σελίδα που δεν δείχνει τίποτα κάτω από τον δείκτη της είναι σκαναρισμένη, ενώ οι πληκτρολογημένες σελίδες δείχνουν το κείμενό τους. Περάστε μόνο αυτές τις σελίδες από τη Μετατροπή PDF σε JPG και την Εξαγωγή κειμένου από εικόνα, και μετά βάλτε τα αποτελέσματα ξανά με τη σειρά.

Γιατί το αντιγραμμένο κείμενο σπάει στο τέλος κάθε γραμμής;

Ένα PDF αποθηκεύει κάθε τυπωμένη γραμμή ξεχωριστά, οπότε η αντιγραφή κρατά αυτές τις αλλαγές. Χρησιμοποιήστε τη Διόρθωση επικολλημένου κειμένου για να ενώσετε τις γραμμές κάθε παραγράφου. Ο οδηγός για τις αλλαγές γραμμής εξηγεί γιατί συμβαίνει.

Μπορεί η Εξαγωγή κειμένου από εικόνα να διαβάσει χειρόγραφο ή άλλες γλώσσες;

Είναι φτιαγμένη για τυπωμένα αγγλικά με λατινικό αλφάβητο, και το χειρόγραφο συνήθως διαβάζεται άσχημα. Άλλα αλφάβητα, όπως τα αραβικά, τα κινεζικά ή τα κυριλλικά, δεν υποστηρίζονται.