- Problém zvyčajne spočíva v nesprávnom kódovaní znakov alebo v chýbajúcich tabuľkách Unicode vo vložených písmach súboru.
- Existujú metódy založené na vizuálnej reinterpretácii dokumentu pomocou OCR na obídenie poškodených textových vrstiev.
- Rozlíšenie obrázkov a použitie neštandardných fontov priamo ovplyvňujú vzhľad zvláštnych alebo štvorcových symbolov.
Prečo sa pri kopírovaní textu z PDF zobrazujú symboly? Pravdepodobne sa vám to už stalo: pracujete s PDF dokumentom, vyberiete odsek, ktorý vyzerá dobre, vložíte ho do Wordu alebo Poznámkového bloku a zrazu sa vám zobrazí... nezmyselné podivné symbolyŠtvorce alebo postavy, ktoré vyzerajú, akoby boli z inej planéty. Je to frustrujúca situácia, ktorá nás núti myslieť si, že súbor je poškodený, ale realita je taká, že ide o pomerne bežnú technickú komunikačnú poruchu.
Tento jav, ktorý je niekedy známy ako mojibakeDeje sa to v podstate preto, že to, čo vidíme na obrazovke, nie je to isté ako kód, ktorý sa počítač snaží skopírovať. Nejde o to, že text zmizol, ale skôr o to, že mapovanie znakov Zlyhalo to. Našťastie existuje množstvo trikov, od jednoduchých úprav až po použitie špecializovaného softvéru, na obnovenie týchto informácií bez toho, aby ste museli všetko ručne prepisovať.
Prečo sa preboha objavujú tieto symboly?
Aby sme pochopili riešenie, musíme najprv pochopiť problém. PDF má dve vrstvy: vizuálnu vrstvu (glyfy) a dátovú vrstvu (kódovanie). Pri kopírovaní textu systém „nepozerá“ na písmená, ale číta kód. Ak PDF používa vlastné kódovanie Alebo, ak nemá štandardnú tabuľku Unicode, schránka nevie, ktoré písmeno zodpovedá tomuto kódu, a vloží akýkoľvek symbol.
Existujú tri hlavné príčiny. Po prvé, nesúlad kódovaniakde sa znaky s diakritikou alebo znakom eura premenia na odpad, pretože čítačka používa UTF-8, ale súbor bol vytvorený v kódovaní Windows-1252. Po druhé, chybné kódovanie zdrojakde PDF vyzerá skvele, ale textová vrstva je úplná katastrofa. A po tretie, nízke rozlíšenie, čo mätie softvér na optické rozpoznávanie znakov (OCR), vďaka čomu 5 vyzerá ako S alebo 0 ako O.
Rýchle triky a manuálne riešenia
Ak nechcete inštalovať zložité programy, môžete vyskúšať niekoľko jednoduchších metód. V systéme Windows je jednou zaujímavou možnosťou použiť Zapisovač dokumentov Microsoft XPSTlač PDF súboru ako súboru XPS vygeneruje čistejšiu verziu, ktorá niekedy umožňuje kopírovať text bez chýb. Na druhej strane, ak je problémom otravné zalamovanie riadkov pri vkladaní do Wordu, môžete použiť funkciu Vyhľadajte a nahraďte zmeniť značky odsekov na jednotlivé medzery.
Pre používateľov počítačov Mac existuje v aplikácii Náhľad „magický“ trik. Ak exportujete súbor PDF pomocou Kremeňový filter na zmenšenie veľkostiKompresia niekedy odstráni nepotrebné znaky a vyčistí štruktúru dokumentu, čo umožňuje oveľa plynulejšie kopírovanie.
Pokročilé nástroje a softvér na opravu
Keď je problém vážny, potrebujeme ťažké delostrelectvo. Štandardným nástrojom je Adobe Acrobat Pro; umožňuje zmeniť písmo textu na kompatibilnejšie písmo, ako je Helvetica, alebo písma správne vložiť od fázy tlačovej produkcie, aby sa predišlo chybným zámenam.
Ak je súbor skutočne poškodený, existujú programy ako EaseUS Fixo, ktoré sa špecializujú na... opraviť kódovanie znakov a opravovať poškodené dokumenty. Ak však hľadáte niečo bezplatné a výkonné, PDFgear je skvelou alternatívou, ktorá vám umožňuje konvertovať PDF súbory priamo do obyčajného textu alebo použiť jeho funkciu na Integrované OCR extrahovať informácie.
Sila OCR: Čítajte obrázok, nie kód
Najspoľahlivejším riešením, keď nič iné nefunguje, je ignorovať textovú vrstvu a zaobchádzať s PDF súborom, ako keby to bola fotografia. Toto je to, čo... Optické rozpoznávanie znakov (OCR)Tým, že softvér nútime čítať glyfy vizuálne, obchádzame akékoľvek interné chyby kódovania.
- Vynútenie OCR: V aplikácii Acrobat vyberte možnosť „Obrázok so skrytým textom“, aby nástroj znova analyzoval stránku od začiatku.
- Konverzia obrázkov: Veľmi účinnou technikou je exportovať stránky do formátu TIFF alebo PNG s vysokým rozlíšením (minimálne 300 DPI) a potom ich spustiť pomocou OCR. Tým sa odstránia všetky poškodené metadáta.
- Použitie videnia s umelou inteligenciou: Moderné nástroje na modelovanie videnia a jazyka (VLM) už neanalyzujú písmeno po písmene, ale skôr chápu sémantický kontext, čím sa riešia nejasnosti, ktoré tradičné OCR nedokáže.
Pre technicky zdatnejších, ak je text krátky, pošlite im snímku obrazovky na adresu Objektív Google Je to veľmi rýchle a bezplatné riešenie, ktoré zvyčajne funguje skvele, pretože využíva technológiu vizuálneho rozpoznávania od spoločnosti Google.
Kopírovanie PDF súboru s nečitateľným textom je v podstate problém s prekladom medzi vloženým písmom a operačným systémom. Či už ide o prekódovanie súboru, použitie virtuálnych tlačiarní alebo nasadenie výkonného softvéru OCR, ktorý analyzuje obrázok namiesto kódu, vždy existuje spôsob, ako obnoviť dáta. Kľúčom je identifikovať, či problém spočíva v písme, kódovaní znakov alebo jednoducho v nízkom rozlíšení, ktoré mätie softvér. Teraz už viete všetko o tom, prečo sa pri kopírovaní textu z PDF zobrazujú symboly.
Technológiou sa venuje už od malička. Milujem byť aktuálny v tomto sektore a predovšetkým o ňom komunikovať. Preto sa dlhé roky venujem komunikácii na technologických a videoherných weboch. Môžete ma nájsť písať o Androide, Windows, MacOS, iOS, Nintendo alebo o akejkoľvek inej súvisiacej téme, ktorá vás napadne.