Usuń tekst PDF

Weźmy dwa pliki PDF: jeden utworzony za pomocą edytora tekstu, na przykład MS Word, i jeden zeskanowany dokument. Oba pliki mają rozszerzenie .pdf. Jednak te pliki nie są takie same. Jeśli otworzysz plik PDF utworzony za pomocą edytora tekstu, możesz nacisnąć CTRL + F, wpisać szukane słowa, a oprogramowanie do przeglądania plików PDF podświetli wyniki dokumentu.
Ale spróbuj wybrać lub wyszukać tekst w pliku PDF utworzonym przez oprogramowanie skanera, gdy skanujesz dokumenty papierowe, nie jest to możliwe. Jest tak, ponieważ zeskanowany dokument PDF nie jest oparty na tekście; jest oparty na obrazie. Ten typ pliku PDF nosi nazwę a PDF raster , a wkrótce stanie się standardowym formatem do przechowywania, transportu i wymiany zeskanowanych dokumentów
A potem są wektorowe pliki PDF, często tworzone z CHAM formaty lub programy do projektowania graficznego, takie jak Adobe Illustrator.

Tekst jest niezależnym elementem rodzimych plików PDF. W pliku PDF mogą znajdować się znaki tekstowe, ale znaki te niekoniecznie są elementami tekstowymi PDF. Jak odróżnić różnicę?
Jak właśnie widzieliśmy, tekst może być obrazem rastrowym tekstu lub obrazem wektorowym tekstu. We wszystkich przypadkach wygląda jak tekst, ale komputer go nie rozpoznaje i nie może go wybrać ani przeszukać.
Tekst utworzony przez edytor tekstu nie jest ani obrazem rastrowym, ani wektorowym, nazywa się (odpowiednio) prawdziwym tekstem lub elementem tekstowym PDF. Tekst rzeczywisty można przeszukiwać i wybierać. Wygląda ostro nawet podczas powiększania, w przeciwieństwie do tekstu wektorowego, który wydaje się nierówny, i tekstu rastrowego, który jest pikselizowany.
Jak w Magritte'a słynny obraz, w świecie PDF obraz tekstu to nie to samo, co sam tekst.

Aby umożliwić wyszukiwanie tekstu zeskanowanego dokumentu, musisz go uruchomić przez OCR. Ten proces dodaje warstwę niewidocznego tekstu w pliku PDF, dzięki czemu silnik OCR może rozpoznawać znaki i „czytać” tekst. Ten tekst nie jest używany podczas drukowania lub przeglądania dokumentu PDF i jest niewidoczny dla użytkownika.
Dlaczego musisz usunąć ukryty tekst pliku PDF? Czasami zeskanowany tekst, który został OCRed, nie wyświetla się dobrze w przeglądarce. W niektórych przypadkach sztuczką jest usunięcie ukrytego tekstu i ponowne przetworzenie dokumentu za pomocą innego narzędzia (np AvePDF OCR PDF ).
Możliwe jest również, że używany silnik OCR musi zostać zaktualizowany i chcesz ponownie przetworzyć dokumenty lub przełączyć się na inne narzędzie o lepszej wydajności. Ostatni raz, jeśli zapiszesz jako PDF / OCR partię dokumentów, które zawierają już pliki OCRed, plik wynikowy będzie cięższy.