Etkö voi kopioida tekstiä PDF-tiedostosta? Näin saat tekstin talteen

Jos et pysty valitsemaan sanoja PDF-tiedostossa, sivut ovat todennäköisesti kuvia tekstistä, eli skannauksia tai valokuvia, eivätkä tekstiä. Pudota tiedosto kohtaan PDF tekstiksi. Jos se löytää sanoja, kopioi ne sieltä. Jos se ilmoittaa, ettei tekstiä löytynyt, sivut tarvitsevat OCR-tunnistuksen (optinen merkkientunnistus), joka lukee kirjaimet kuvasta. Molemmat vaiheet toimivat selaimessasi, eikä tiedostoa lähetetä mihinkään.

PDF tekstiksiTarvitsen tekstin PDF:stäTee se ilmaiseksi

Tekstipohjainen PDF vai skannattu PDF

Tekstipohjainen PDF tallentaa jokaisen kirjaimen merkkinä, jolla on fontti ja paikka sivulla. Skannattu PDF tallentaa jokaisen sivun yhtenä kuvana, aivan kuten valokuvan, joten siitä ei ole mitään valittavaa. Jotkin tiedostot ovat sekoitus: kirjoitettuja sivuja ja skannattu allekirjoitus, tai skannattu lomake ja kirjoitettu otsikko.

Kokeile katselimessasi valita yksi sana. Jos korostus seuraa kirjaimia, teksti on tallessa. Jos voit valita vain koko sivun tai et mitään, sivu on kuva.

Mitä näet	Mitä se yleensä tarkoittaa	Mitä teet
Sanat valittavat ja kopioituvat	Tekstipohjainen PDF	Kopioi suoraan, tai käytä PDF tekstiksi koko tiedostolle
Mikään ei valitu, ja PDF tekstiksi ei löydä tekstiä	Skannatut tai valokuvatut sivut	Muunna sivut kuviksi ja aja OCR
Sanat valitaan, mutta liitettäessä niistä tulee outoja merkkejä	Fontit eivät kuvaa kirjaimia oikein merkeiksi	Kokeile PDF tekstiksi; jos tulos on yhä sotkuinen, käytä OCR:ää
Katselin estää valinnan	Tekijän asettama kopiointirajoitus	Katso kohta rajoituksista

Miksi PDF ei anna kopioida

Kolme asiaa estää kopioinnin, ja kullakin on eri ratkaisu:

• Sivut ovat skannattuja kuvia. Teksti ei ole tiedostossa lainkaan, joten OCR on ainoa tapa saada se takaisin.
• Tiedoston avaamiseen tarvitaan salasana. Sitä ei voi lukea ennen kuin avaat sen oikealla salasanalla ohjelmassa, jota yleensä käytät. Täällä olevat työkalut eivät yritä avata lukittuja tiedostoja.
• Tekijä on asettanut kopiointirajoituksen. Jotkin PDF-tiedostot kehottavat katselimia estämään kopioinnin tai muokkauksen. Tämä on tekijän valitsema asetus, eikä fixmint kiertää sitä. Jos sinulla on oikeus siihen, pyydä kopiota ilman rajoitusta tai vie se ohjelmasta, jolla tiedosto tehtiin.

Hae teksti tekstipohjaisesta PDF:stä

1. Pudota PDF-tiedosto PDF tekstiksi -työkalun laatikkoon ja odota, kun jokainen sivu luetaan.
2. Tarkista sivu- ja sanamäärät, jotka ilmestyvät.
3. Rastita Sivumerkinnät, jos haluat jokaisen sivun merkittynä. Jätä se pois, jos haluat pelkän tekstin.
4. Kopioi teksti tai lataa se .txt-tiedostona.

Sarakkeet, taulukot ja ylätunnisteet voivat tulla eri järjestyksessä, koska PDF tallentaa sen, mihin kohtaan teksti piirretään, ei sitä, mihin kappaleeseen se kuuluu. Jos jokainen rivi päättyy kovaan rivinvaihtoon, lue miksi PDF:stä kopioitu teksti katkeaa joka rivin kohdalta, ja liitä sitten teksti Korjaa liitetty teksti -työkaluun, joka yhdistää kunkin kappaleen rivit.

Hae teksti skannatusta PDF:stä

Skannatut sivut vaativat kaksi vaihetta: ensin jokainen sivu piirretään kuvaksi, ja sitten kunkin kuvan teksti luetaan. Sama lukuvaihe toimii kuvakaappaukselle tai valokuvalle, kuten täällä selitetään.

1. Pudota PDF-tiedosto PDF-sivut kuviksi -työkaluun. Valitse tekstille PNG, koska se pitää kirjainten reunat terävinä, ja pienelle tekstille 300 DPI. Valitse vain tarvitsemasi sivut, tai jätä kaikki sivut valituiksi.
2. Lataa sivut. Jokainen tallentuu omana kuvanaan, tai kaikki tulevat ZIP-tiedostona.
3. Avaa Kuvasta tekstiksi ja pudota ensimmäinen sivu. Sanat ilmestyvät, kun sivu on luettu. Tunnistusmoottorin epävarmat sanat on merkitty punaisella.
4. Toista jokaiselle sivulle järjestyksessä. Rastita Yhdistä rivit kappaleiksi poistaaksesi rivinvaihdot ja kopioi sitten tulos.
5. Tarkista jokainen numero, nimi ja päivämäärä sivua vastaan ennen kuin luotat niihin.

Kuvasta tekstiksi lukee yhden kuvan kerrallaan, ja vain englantia. Työkalu lataa OCR-moottorin ja sen englanninkielisen mallin sivustolta, kun aloitat, ja kuva luetaan sen jälkeen laitteellasi. Suuri tai hidas sivu voi viedä aikaa, joten odota tulosta ennen kopiointia. Terävät, suorat ja tasaisesti valaistut sivut luetaan parhaiten. Rajaa valokuvan reunat pois ja pidä kamera suorassa kulmassa sivuun nähden.

Yleisimmät virheet

• Tekstisivujen tallentaminen JPG-muodossa. JPG sumentaa kirjainten reunoja, mikä heikentää tarkkuutta. Pelkälle tekstisivulle PNG on parempi valinta.
• OCR-tulokseen luottaminen tarkistamatta. Tunnistus ei ole täydellinen. Lue numerot ja nimet sivua vastaan.
• Odotetaan, että taulukot säilyvät taulukkoina. OCR lukee rivejä, joten taulukosta voi tulla luettelo. Vertaa tulosta sivuun.
• OCR:n käyttäminen käsialalle. Kuvasta tekstiksi on tehty painetulle tekstille. Käsiala luetaan yleensä huonosti, joten kirjoita nuo kohdat itse uudelleen.

Usein kysyttyä

Lähetetäänkö skannatut sivut minulle kysymättä?

Ei. Sivu luetaan selaimessasi, eikä kuvaa lähetetä palvelimelle. Sivusto toimittaa OCR-moottorin ja sen englanninkielisen mallin selaimeesi, ja lukeminen tapahtuu siellä.

Entä jos vain osassa sivuista ei ole tekstiä?

Käytä PDF tekstiksi -työkalussa Sivumerkintöjä. Sivu, jonka merkinnän alla ei näy mitään, on skannaus, kun taas kirjoitetuilla sivuilla näkyy teksti. Vie vain nuo sivut PDF-sivut kuviksi -työkalulla ja Kuvasta tekstiksi -työkalulla, ja laita tulokset sitten takaisin oikeaan järjestykseen.

Miksi kopioitu teksti katkeaa jokaisen rivin lopussa?

PDF tallentaa jokaisen painetun rivin erikseen, joten kopioidessa rivinvaihdot säilyvät. Käytä Korjaa liitetty teksti -työkalua yhdistämään kunkin kappaleen rivit. Rivinvaihto-ohje selittää, miksi näin tapahtuu.

Voiko Kuvasta tekstiksi lukea käsialaa tai muita kieliä?

Se on tehty painetulle englannin kielelle latinalaisilla kirjaimilla, ja käsiala luetaan yleensä huonosti. Muita kirjoitusjärjestelmiä, kuten arabiaa, kiinaa tai kyrillisiä kirjaimia, ei tueta.