PDF से टेक्स्ट कॉपी नहीं हो रहा? वजह जानें और टेक्स्ट पाने का तरीका

अगर PDF में शब्द सिलेक्ट नहीं हो रहे, तो ज़्यादातर संभावना है कि पेज टेक्स्ट के बजाय शब्दों की तस्वीरें हैं, यानी स्कैन या फ़ोटो। फ़ाइल को PDF से टेक्स्ट में डालें: अगर उसे शब्द मिलते हैं, तो वहीं से कॉपी कर लें। अगर वह बताए कि कोई टेक्स्ट नहीं मिला, तो पेजों पर OCR (ऑप्टिकल कैरेक्टर रिकग्निशन) चलाना होगा, जो तस्वीर से अक्षर पढ़ता है। दोनों चरण आपके ब्राउज़र में चलते हैं, और फ़ाइल कभी अपलोड नहीं होती।

PDF से टेक्स्टPDF से टेक्स्ट चाहिएमुफ़्त में करें

टेक्स्ट वाली PDF या स्कैन की गई PDF

टेक्स्ट वाली PDF में हर अक्षर एक वर्ण के रूप में, उसके फ़ॉन्ट और पेज पर उसकी जगह के साथ सहेजा जाता है। स्कैन की गई PDF में हर पेज एक इमेज की तरह सहेजा जाता है, जैसे कोई फ़ोटो, इसलिए वहाँ सिलेक्ट करने को कुछ नहीं होता। कुछ फ़ाइलों में दोनों मिले होते हैं: टाइप किए पेज के साथ स्कैन किया हुआ हस्ताक्षर, या स्कैन किए फ़ॉर्म के साथ टाइप किया हुआ शीर्षक।

अपने व्यूअर में एक शब्द सिलेक्ट करके जाँचें। अगर हाइलाइट अक्षरों के साथ चलता है, तो टेक्स्ट मौजूद है। अगर आप सिर्फ़ पूरा पेज या कुछ भी सिलेक्ट नहीं कर पाते, तो वह पेज एक इमेज है।

आप क्या देखते हैं	आमतौर पर इसका मतलब	क्या करें
शब्द सिलेक्ट और कॉपी हो जाते हैं	टेक्स्ट वाली PDF	सीधे कॉपी करें, या पूरी फ़ाइल के लिए PDF से टेक्स्ट इस्तेमाल करें
कुछ सिलेक्ट नहीं होता, और PDF से टेक्स्ट में कोई टेक्स्ट नहीं मिलता	स्कैन किए या फ़ोटो लिए गए पेज	पेजों को रेंडर करें, फिर OCR चलाएँ
शब्द सिलेक्ट होते हैं, पर चिपकाने पर अजीब चिह्न आते हैं	फ़ॉन्ट अक्षरों को सही वर्णों में वापस नहीं मैप करते	PDF से टेक्स्ट आज़माएँ; अगर नतीजा फिर भी बिगड़ा हो, तो OCR इस्तेमाल करें
व्यूअर सिलेक्शन रोकता है	लेखक द्वारा लगाई गई कॉपी की पाबंदी	पाबंदी वाला हिस्सा देखें

PDF से कॉपी क्यों नहीं होता

तीन बातें कॉपी को रोकती हैं, और हर एक का हल अलग है:

• पेज स्कैन की गई इमेज हैं। टेक्स्ट फ़ाइल में होता ही नहीं, इसलिए उसे वापस पाने का एकमात्र तरीका OCR है।
• फ़ाइल खोलने के लिए पासवर्ड चाहिए। जब तक आप उसे अनलॉक नहीं करते, वह पढ़ी नहीं जा सकती। अपना पासवर्ड उसी प्रोग्राम में डालें जिसमें आप आमतौर पर उसे खोलते हैं। यहाँ के टूल लॉक की गई फ़ाइलें खोलने की कोशिश नहीं करते।
• लेखक ने कॉपी पर पाबंदी लगाई है। कुछ PDF व्यूअर को कॉपी या एडिट करने से रोकती हैं। यह सेटिंग लेखक ने चुनी है, और fixmint इसे नहीं तोड़ता। अगर आपको अधिकार है, तो लेखक से बिना पाबंदी वाली कॉपी माँगें, या उस प्रोग्राम से निर्यात करें जिसमें फ़ाइल बनी थी।

टेक्स्ट वाली PDF से टेक्स्ट पाएँ

1. PDF को PDF से टेक्स्ट वाले बॉक्स में छोड़ें और हर पेज पढ़े जाने तक इंतज़ार करें।
2. दिखने वाली पेज और शब्दों की गिनती जाँचें।
3. अगर हर पेज पर लेबल चाहिए, तो पेज मार्कर पर निशान लगाएँ। सादा टेक्स्ट चाहिए तो इसे बंद रखें।
4. टेक्स्ट कॉपी करें, या उसे .txt फ़ाइल के रूप में डाउनलोड करें।

कॉलम, टेबल और हेडर अलग क्रम में आ सकते हैं, क्योंकि PDF यह सहेजती है कि हर टुकड़ा कहाँ बना है, न कि वह किस पैराग्राफ़ का हिस्सा है। अगर हर लाइन के अंत में हार्ड रिटर्न आ रहा है, तो PDF से कॉपी किया टेक्स्ट हर लाइन पर क्यों टूटता है पढ़ें, फिर टेक्स्ट को पेस्ट किया टेक्स्ट ठीक करें में चिपकाएँ, जो हर पैराग्राफ़ की लाइनें जोड़ देता है।

स्कैन की गई PDF से टेक्स्ट पाएँ

स्कैन किए पेजों के लिए दो चरण लगते हैं: हर पेज को इमेज के रूप में बनाना, फिर हर इमेज में लिखा टेक्स्ट पढ़ना। यही पढ़ने वाला चरण स्क्रीनशॉट या फ़ोटो के लिए भी काम करता है, जैसा यहाँ समझाया गया है।

1. PDF को PDF को JPG में बदलें पर छोड़ें। टेक्स्ट के लिए PNG चुनें, क्योंकि उससे अक्षरों के किनारे साफ़ रहते हैं, और छोटे अक्षरों के लिए 300 DPI। सिर्फ़ ज़रूरी पेज चुनें, या सभी पेज रखें।
2. पेज डाउनलोड करें। हर पेज अपनी अलग इमेज के रूप में सहेजा जाएगा, या सभी पेज ZIP में आएँगे।
3. इमेज से टेक्स्ट खोलें और पहला पेज छोड़ें। पेज पढ़े जाने पर शब्द दिखेंगे। जिन शब्दों के बारे में इंजन अनिश्चित है, वे लाल रंग में चिह्नित होते हैं।
4. हर पेज को क्रम से दोहराएँ। लाइन ब्रेक हटाने के लिए "लाइनों को पैराग्राफ़ में जोड़ें" पर निशान लगाएँ, फिर नतीजा कॉपी करें।
5. किसी भी संख्या, नाम और तारीख पर भरोसा करने से पहले उसे पेज से मिलाकर जाँच लें।

इमेज से टेक्स्ट एक समय में एक इमेज पढ़ता है, और सिर्फ़ अंग्रेज़ी में। शुरू करते ही यह टूल साइट से OCR इंजन और उसका अंग्रेज़ी मॉडल लोड करता है, और फिर इमेज आपके डिवाइस पर ही पढ़ी जाती है। बड़ा या धीमा पेज लगने में समय ले सकता है, इसलिए कॉपी करने से पहले नतीजे का इंतज़ार करें। साफ़, सीधे और समान रोशनी वाले पेज सबसे अच्छे पढ़े जाते हैं। फ़ोटो के किनारे काट दें, और कैमरा पेज के सामने सीधा रखें।

आम गलतियाँ

• टेक्स्ट वाले पेज JPG में सहेजना। JPG अक्षरों के किनारे धुंधले कर देता है, जिससे सटीकता घटती है। सिर्फ़ टेक्स्ट वाले पेजों के लिए PNG बेहतर है।
• बिना जाँच OCR पर भरोसा करना। पहचान पूरी तरह सही नहीं होती। संख्याएँ और नाम पेज से मिलाकर पढ़ें।
• टेबल हमेशा टेबल रहने की उम्मीद करना। OCR लाइनें पढ़ता है, इसलिए टेबल सूची बन सकती है। नतीजे की तुलना पेज से करें।
• हस्तलेख के लिए OCR इस्तेमाल करना। इमेज से टेक्स्ट छपे टेक्स्ट के लिए बना है। हस्तलेख आमतौर पर ठीक से नहीं पढ़ा जाता, इसलिए वे हिस्से हाथ से दोबारा लिखें।

अक्सर पूछे जाने वाले सवाल

क्या OCR मेरे स्कैन किए पेज अपलोड करता है?

नहीं। पेज आपके ब्राउज़र में पढ़ा जाता है, और इमेज कभी सर्वर पर नहीं भेजी जाती। साइट OCR इंजन और उसका अंग्रेज़ी मॉडल आपके ब्राउज़र तक पहुँचाती है, और पढ़ने का काम वहीं होता है।

अगर कुछ ही पेजों पर टेक्स्ट नहीं है तो?

PDF से टेक्स्ट में पेज मार्कर चालू करें। जिस पेज के मार्कर के नीचे कुछ न दिखे, वह स्कैन है, जबकि टाइप किए पेजों का टेक्स्ट दिखता है। सिर्फ़ उन्हीं पेजों को PDF को JPG में बदलें और इमेज से टेक्स्ट से चलाएँ, फिर नतीजे क्रम से वापस रखें।

कॉपी किया टेक्स्ट हर लाइन के अंत में क्यों टूटता है?

PDF हर छपी लाइन को अलग सहेजती है, इसलिए कॉपी करते समय वे ब्रेक बने रहते हैं। हर पैराग्राफ़ की लाइनें जोड़ने के लिए पेस्ट किया टेक्स्ट ठीक करें इस्तेमाल करें। लाइन ब्रेक वाली गाइड बताती है कि ऐसा क्यों होता है।

क्या इमेज से टेक्स्ट हस्तलेख या दूसरी भाषाएँ पढ़ सकता है?

यह अंग्रेज़ी में लैटिन लिपि के छपे टेक्स्ट के लिए बना है, और हस्तलेख आमतौर पर ठीक से नहीं पढ़ा जाता। अरबी, चीनी या सिरिलिक जैसी दूसरी लिपियाँ समर्थित नहीं हैं।