วิธีสกัดข้อความจากไฟล์ PDF ทีละขั้นตอน
ตอบด่วน
วิธีสกัดข้อความจาก PDF: เปิด PDF to Text tool, อัปโหลด PDF ข้อความที่สกัดจะปรากฏใน textarea copy หรือดาวน์โหลดเป็น .txt การประมวลผลเกิดในเครื่อง —PDF ไม่ถูกอัปโหลด
การแนะนำ
การสกัดข้อความจาก PDF ทำให้ข้อความพร้อม copy search edit หรือวิเคราะห์ PDF ดิจิทัล (สร้างจาก word processor) มีข้อความฝังอยู่สกัดได้โดยตรง PDF ที่สแกน (รูปของหน้า) ต้องใช้ OCR (Optical Character Recognition)
ทีละขั้นตอน
-
เปิดเครื่องมือ PDF เป็นข้อความ
ไปที่หน้าเครื่องมือ PDF ไปยัง Text Extractor เครื่องมือนี้ประมวลผล PDF ในเครื่องโดยใช้ไลบรารีการแยกวิเคราะห์ PDF ที่ใช้ WASM
-
อัปโหลดไฟล์ PDF ของคุณ
คลิกอัปโหลดหรือลากและวางไฟล์ PDF ของคุณลงในเครื่องมือ เครื่องมือจะโหลดไฟล์ลงในหน่วยความจำ PDF ดิจิทัล (พร้อมข้อความฝังตัว) แยกได้อย่างรวดเร็ว PDF ที่สแกนอาจต้องใช้ OCR
-
แยกข้อความ
คลิกแยก เครื่องมือจะแยกวิเคราะห์ PDF และดึงเนื้อหาข้อความทั้งหมดออกจากแต่ละหน้า สำหรับ PDF ดิจิทัล สิ่งนี้รวดเร็วและแม่นยำ สำหรับ PDF ที่สแกน เครื่องมืออาจใช้ OCR (tesseract.js) ซึ่งช้ากว่าแต่ยังคงอยู่ในเครื่อง
-
ตรวจสอบข้อความที่แยกออกมา
ข้อความที่แยกออกมาจะแสดงในพื้นที่ข้อความ โดยโดยทั่วไปแล้วตัวแบ่งหน้าจะระบุด้วยตัวคั่น ตรวจสอบข้อความเพื่อความถูกต้อง — OCR บนหน้าที่สแกนอาจมีข้อผิดพลาด โดยเฉพาะแบบอักษรที่ผิดปกติหรือการสแกนคุณภาพต่ำ
-
คัดลอกหรือดาวน์โหลดข้อความ
คลิกคัดลอกเพื่อคัดลอกข้อความไปยังคลิปบอร์ดของคุณ หรือดาวน์โหลดเพื่อบันทึกเป็นไฟล์ .txt ใช้ข้อความเพื่อค้นหา แก้ไข วิเคราะห์ หรือวางลงในเอกสารอื่น
ตัวอย่าง
การแยก PDF แบบดิจิทัล
ป้อนข้อมูล: report.pdf (10 หน้า ข้อความดิจิทัล)
เอาท์พุต: เนื้อหาข้อความแบบเต็ม ประมาณ 5,000 คำ มีความแม่นยำสูง
สแกน PDF ด้วย OCR
ป้อนข้อมูล: scanned.pdf (5 หน้า, รูปภาพที่สแกน)
เอาท์พุต: OCR-ข้อความที่แยกออกมา ประมาณ 2,000 คำ อาจมีข้อผิดพลาดเล็กน้อย
ผสม PDF
ป้อนข้อมูล: mix.pdf (ดิจิทัลบางหน้า, สแกนบางหน้า)
เอาท์พุต: Digital pages extract perfectly; scanned pages use OCR
ปัญหาทั่วไป
- PDF ที่สแกนทำให้เกิดข้อผิดพลาด OCR —OCR ไม่สมบูรณ์แบบ แบบอักษรที่ผิดปกติ ความละเอียดต่ำ หรือการสแกนที่บิดเบี้ยวทำให้ความแม่นยำลดลง ตรวจทานข้อความที่แยกออกมาเสมอ
- ไม่มีข้อความที่แยกจาก PDF 'ดิจิทัล' — ไฟล์ PDF บางไฟล์จัดเก็บข้อความเป็นโครงร่าง (กราฟิกแบบเวกเตอร์) แทนที่จะเป็นอักขระ สิ่งเหล่านี้ต้องการ OCR แม้ว่าจะดูเหมือนข้อความก็ตาม
- การสูญเสียการจัดรูปแบบ — การแยกข้อความจะสูญเสียแบบอักษร สี และเค้าโครง ผลลัพธ์เป็นข้อความธรรมดา ไม่ใช่เอกสารที่จัดรูปแบบ
- PDF ขนาดใหญ่อาจช้า — การแยกข้อความจาก 100+ หน้า PDF อาจใช้เวลาหลายวินาที โดยเฉพาะกับ OCR
เคล็ดลับ
- PDF ดิจิทัลแยกออกมาได้อย่างสมบูรณ์แบบและรวดเร็ว — ใช้งานได้เมื่อเป็นไปได้ หากคุณควบคุมแหล่งที่มา ให้ส่งออกเป็น PDF แบบดิจิทัล ไม่ใช่การสแกน
- สำหรับ PDF ที่สแกน การสแกนที่มีความละเอียดสูงกว่าจะให้ผลลัพธ์ OCR ที่ดีกว่า —300 DPI เป็นขั้นต่ำที่ดี
- ใช้ข้อความที่แยกออกมาสำหรับการจัดทำดัชนีการค้นหาข้อความแบบเต็ม การวิเคราะห์เนื้อหา หรือการเข้าถึง (โปรแกรมอ่านหน้าจอไม่สามารถอ่าน PDF ที่สแกนได้หากไม่มี OCR)
- ใช้เครื่องมือ PDF to Text ของเราเพื่อการแตกไฟล์แบบส่วนตัวผ่านเบราว์เซอร์ — PDF ของคุณจะไม่มีวันออกจากอุปกรณ์ของคุณ