הסר טקסט PDF

ניקח שני קבצי PDF: אחד שנוצר עם מעבד תמלילים, למשל MS Word, למשל, ומסמך סרוק. שני הקבצים מסתיימים בתוסף .pdf. עם זאת, קבצים אלה אינם זהים. אם אתה פותח את קובץ ה- PDF שנוצר עם מעבד התמלילים שלך, אתה יכול ללחוץ על CTRL + F, להזין את המילים שאתה מחפש ותוכנת הצפייה ב- PDF תדגיש את תוצאות המסמך.
אבל נסה לבחור או לחפש טקסט ב- PDF המיוצר על ידי תוכנת הסורק שלך כאשר סרקת מסמכי נייר, זה לא אפשרי. הסיבה לכך היא שמסמך ה- PDF הסרוק אינו מבוסס טקסט; זה מבוסס תמונה. סוג PDF זה נקרא א רסטר PDF , ובקרוב זה יהפוך לפורמט סטנדרטי לאחסון, הובלה והחלפת מסמכים סרוקים
ואז ישנם קבצי PDF וקטוריים, שנוצרים לעתים קרובות מ- CAD פורמטים, או תוכניות לעיצוב גרפי כמו Adobe Illustrator.

טקסט הוא מרכיב עצמאי במסמכי PDF מקוריים. ייתכן שתראה תווי טקסט ב- PDF, אך תווים אלה אינם בהכרח רכיבי טקסט ב- PDF. איך אתה יכול להבין את ההבדל?
כפי שראינו זה עתה, טקסט יכול להיות תמונה רסטר יותר של טקסט או תמונת טקסט וקטורית. בכל המקרים זה נראה כמו טקסט, אך המחשב אינו מזהה אותו ככזה ואינו יכול לבחור או לחפש אותו.
טקסט שנוצר על ידי מעבד תמלילים אינו רסטר ולא תמונת וקטור, הוא נקרא (כראוי) טקסט אמיתי, או PDF Text Element. טקסט אמיתי ניתן לחיפוש וניתן לבחירה. זה נראה חד גם כשאתה מתקרב, להיפך מטקסט וקטורי שנראה גושני, וטקסט רסטר שהוא פיקסל.
כמו ב של מגריט ציור מפורסם, בעולם PDF, דימוי של טקסט אינו אותו דבר כמו הטקסט עצמו.

כדי להפוך את הטקסט של מסמך סרוק לחיפוש, עליך להריץ אותו דרך OCR. תהליך זה מוסיף שכבה של טקסט בלתי נראה ב- PDF, כך שמנוע ה- OCR יכול לזהות את התווים "לקרוא" את הטקסט. טקסט זה אינו משמש במהלך הדפסה או צפייה במסמך PDF, והוא אינו נראה למשתמש.
מדוע תצטרך להסיר את הטקסט הנסתר של PDF? לפעמים טקסט סרוק שעבר OCR אינו מוצג היטב בצופה. במקרים מסוימים, החוכמה היא להסיר טקסט מוסתר ולעבד מחדש את המסמך בעזרת כלי אחר (כמו AvePDF OCR PDF ).
יתכן גם כי יש לעדכן את מנוע ה- OCR בו אתה משתמש, ואתה מעבד לעבד מחדש את המסמכים שלך או לעבור לכלי אחר עם ביצועים טובים יותר. השיקול האחרון, אם תשמור כ- PDF / OCR אצווה של מסמכים הכוללים קבצי OCR שנמצאים כבר, קובץ התוצאה יהיה כבד יותר.