- Težava je običajno v napačnem kodiranju znakov ali pomanjkanju tabel Unicode v vdelanih pisavah datoteke.
- Obstajajo metode, ki temeljijo na vizualni reinterpretaciji dokumenta z uporabo optičnega prepoznavanja znakov (OCR) za obhod poškodovanih besedilnih plasti.
- Ločljivost slike in uporaba nestandardnih pisav neposredno vplivata na videz nenavadnih ali kvadratnih simbolov.
Zakaj se pri kopiranju besedila iz PDF-ja pojavijo simboli? Verjetno se vam je to že zgodilo: delate z dokumentom PDF, izberete odstavek, ki je videti v redu, ga prilepite v Word ali Beležnico in nenadoma se soočite z ... blebetanje čudnih simbolovKvadratki ali znaki, ki so videti, kot da so z drugega planeta. To je frustrirajoča situacija, zaradi katere mislimo, da je datoteka poškodovana, vendar je v resnici to dokaj pogosta tehnična komunikacijska napaka.
Ta pojav, ki ga včasih imenujemo mojibakeTo se zgodi v bistvu zato, ker tisto, kar vidimo na zaslonu, ni enako kodi, ki jo računalnik poskuša kopirati. Ne gre za to, da je besedilo izginilo, ampak za to, da je preslikava znakov Ni uspelo. Na srečo obstaja veliko trikov, od preprostih prilagoditev do uporabe specializirane programske opreme, s katerimi lahko te podatke obnovite, ne da bi morali vsega vnašati ročno.
Zakaj za vraga se pojavljajo ti simboli?
Da bi razumeli rešitev, moramo najprej razumeti problem. PDF ima dve plasti: vizualno plast (glifi) in podatkovno plast (kodiranje). Ko kopirate besedilo, sistem ne "gleda" črk, temveč prebere kodo. Če PDF uporablja kodiranje po meri Ali pa, če nima standardne tabele Unicode, odložišče ne ve, katera črka ustreza tej kodi, in vstavi kateri koli simbol.
Obstajajo trije glavni vzroki. Prvič, neujemanje kodiranjakjer se znaki z naglasi ali znakom za evro pretvorijo v smeti, ker bralnik uporablja UTF-8, datoteka pa je bila ustvarjena v sistemu Windows-1252. Drugič, napačno kodiranje izvorne kodekjer je PDF videti odlično, vendar je besedilna plast popolna katastrofa. In tretjič, nizka ločljivost, kar zmede programsko opremo za optično prepoznavanje znakov (OCR), zaradi česar je 5 videti kot S ali 0 kot O.
Hitri triki in ročne rešitve
Če ne želite nameščati zapletenih programov, lahko poskusite nekaj preprostejših metod. V sistemu Windows je ena zanimiva možnost uporaba Zapisovalnik dokumentov Microsoft XPSČe PDF natisnete kot datoteko XPS, ustvarite čistejšo različico, ki včasih omogoča kopiranje besedila brez napak. Po drugi strani pa lahko, če je težava moteči prelom vrstic pri lepljenju v Word, uporabite funkcijo Poiščite in zamenjajte , da spremenite oznake odstavkov v enojne presledke.
Za uporabnike računalnikov Mac obstaja »čarobni« trik v aplikaciji Predogled. Če izvozite PDF z uporabo Kremenčev filter za zmanjšanje velikostiStiskanje včasih odstrani neželene znake in očisti strukturo dokumenta, kar omogoča veliko bolj gladko kopiranje.
Napredna orodja in programska oprema za popravilo
Ko je težava resna, potrebujemo težko artilerijo. Adobe Acrobat Pro je standardno orodje; omogoča nam, da spremenite pisavo besedila na bolj združljivo pisavo, kot je Helvetica, ali pa pisave pravilno vdelajte že od faze tiska, da se izognete napačnim zamenjavam.
Če je datoteka resnično poškodovana, obstajajo programi, kot je EaseUS Fixo, ki so specializirani za ... popravi kodiranje znakov in popraviti poškodovane dokumente. Če pa iščete nekaj brezplačnega in zmogljivega, je PDFgear odlična alternativa, ki vam omogoča pretvorbo PDF-jev neposredno v navadno besedilo ali pa uporabite njegovo funkcijo za Integrirano optično prepoznavanje znakov (OCR) da izluščijo informacije.
Moč optičnega prepoznavanja znakov: Preberite sliko, ne kode
Najbolj zanesljiva rešitev, ko nič drugega ne deluje, je, da prezrete besedilno plast in PDF obravnavate, kot da bi bila fotografija. To je tisto, kar ... Optično prepoznavanje znakov (OCR)S tem, ko programsko opremo prisilimo, da glife bere vizualno, se izognemo morebitnim notranjim napakam pri kodiranju.
- Vsiljeno optično prepoznavanje znakov: V programu Acrobat izberite možnost »Slika s skritim besedilom«, da bo programska oprema ponovno analizirala stran od začetka.
- Pretvorba slike: Zelo učinkovita tehnika je izvoz strani v visokoločljivostni format TIFF ali PNG (najmanj 300 DPI) in nato njihova uporaba v optičnem prepoznavanju znakov (OCR). S tem se odstranijo morebitne poškodovani metapodatki.
- Uporaba vida umetne inteligence: Sodobna orodja za modeliranje vida in jezika (VLM) ne analizirajo več črko za črko, temveč razumejo semantični kontekst, s čimer se razrešijo dvoumnosti, ki jih tradicionalni OCR ne more.
Za bolj tehnično podkovane, če je besedilo kratko, jim pošljite posnetek zaslona na Google Objektiv Gre za zelo hitro in brezplačno rešitev, ki običajno deluje čudovito, ker uporablja Googlovo tehnologijo vizualnega prepoznavanja.
Če je pri kopiranju PDF-ja besedilo neberljivo, je to v bistvu težava s prevajanjem med vdelano pisavo in operacijskim sistemom. Ne glede na to, ali gre za ponovno kodiranje datoteke, uporabo virtualnih tiskalnikov ali uporabo zmogljive programske opreme OCR, ki analizira sliko namesto kode, vedno obstaja način za obnovitev podatkov. Ključno je ugotoviti, ali je težava v pisavi, kodiranju znakov ali preprosto v slabi ločljivosti, ki zmede programsko opremo. Zdaj veste vse o tem, zakaj se pri kopiranju besedila iz PDF-ja pojavijo simboli.
Navdušen nad tehnologijo že od malih nog. Všeč mi je, da sem na tekočem v sektorju in predvsem to komuniciram. Zato se že vrsto let posvečam komunikaciji na spletnih mestih o tehnologiji in video igrah. Najdete me, da pišem o sistemih Android, Windows, MacOS, iOS, Nintendo ali kateri koli drugi sorodni temi, ki vam pride na misel.