mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-05 20:02:47 +01:00
3.3 KiB
3.3 KiB
title, description
| title | description |
|---|---|
| PDF у тэкст | Вымайце просты тэкст з файлаў PDF. Падтрымліваецца пакетнае выманне з некалькіх PDF з вынікам у файлах TXT. |
PDF у тэкст
Вымае ўвесь тэкст з файлаў PDF і захоўвае яго як простыя файлы .txt. Падтрымліваецца пакетная апрацоўка: загрузіце некалькі PDF і атрымайце тэкст кожнага за адну аперацыю. Працуе на PyMuPDF.
Як гэта працуе
- Загрузіце адзін ці некалькі PDF, націснуўшы на вобласць загрузкі або перацягнуўшы туды файлы. Кіруйце спісам файлаў кнопкамі «Дадаць яшчэ» і «Ачысціць».
- Націсніце Выняць, каб пачаць апрацоўку.
- Адзін файл спампоўваецца як
filename.txt. Некалькі файлаў даюць архіўpdf-to-text.zip.
Налады
У гэтага інструмента няма налад. Увесь тэкст вымаецца з кожнай старонкі ў парадку чытання.
Фармат выніку
- Адзін файл:
filename.txt - Некалькі файлаў:
pdf-to-text.zipз адным.txtна кожны ўваходны PDF.
Сцэнарыі выкарыстання
- Выманне асноўнага тэксту са справаздач PDF для паўнатэкставай індэксацыі.
- Пераўтварэнне электронных кніг або артыкулаў PDF у просты тэкст для чытання на прыладах з e-ink.
- Выманне тэксту з дагавораў або юрыдычных дакументаў для аналізу ключавых слоў.
- Выдаленне фарматавання з PDF, каб атрымаць чысты тэкст для скрыптоў апрацоўкі даных.
- Падрыхтоўка тэкставага корпуса з архіваў PDF для апрацоўкі натуральнай мовы.
Парады
- Сканаваныя PDF (толькі відарысы) дадуць пустыя тэкставыя файлы, бо ў іх няма тэкставага пласта. Спачатку апрацуйце сканы з дапамогай OCR.
- Вынік захоўвае парадак чытання так, як яго вызначае PyMuPDF: звычайна злева направа і зверху ўніз. Макеты з некалькімі слупкамі могуць даць перамешаны тэкст.
- Для структураванага выніку з загалоўкамі і фарматаваннем паспрабуйце PDF у Markdown. Для структураванага JSON, гатовага для ШI, выкарыстайце Падрыхтаваць PDF для ШI.