Ako môžem kopírovať text z PDF pri zachovaní formátovania?

Obsah:

Ako môžem kopírovať text z PDF pri zachovaní formátovania?
Ako môžem kopírovať text z PDF pri zachovaní formátovania?

Video: Ako môžem kopírovať text z PDF pri zachovaní formátovania?

Video: Ako môžem kopírovať text z PDF pri zachovaní formátovania?
Video: Remove Ads from TV Recordings Using VideoReDo - YouTube 2024, November
Anonim
PDF, všadeprítomný formát dokumentu, je skvelý pre zdieľanie dokumentov pri zachovaní písma, obrázkov a všeobecné rozloženie medzi rôznymi platformami. Existuje však jednoduchý spôsob, ako zachovať toto veľmi formátovanie pri kopírovaní a vkladaní textu z dokumentu?
PDF, všadeprítomný formát dokumentu, je skvelý pre zdieľanie dokumentov pri zachovaní písma, obrázkov a všeobecné rozloženie medzi rôznymi platformami. Existuje však jednoduchý spôsob, ako zachovať toto veľmi formátovanie pri kopírovaní a vkladaní textu z dokumentu?

Dnešná relácia otázok a odpovedí sa k nám pridelí zdvorilosťou SuperUser - podskupiny Stack Exchange, skupín webových stránok týkajúcich sa otázok a odpovedí.

Otázka

Čítačka SuperUser Colen hľadá spôsob, ako extrahovať text z PDF súborov pri zachovaní formátovania:

When I copy text out of a PDF file and into a text editor, it ends up mangled in a variety of ways. Formatting like bold and italics are lost; soft line breaks within a paragraph of text are converted to hard line breaks; dashes to break a word over two lines are preserved even when they shouldn’t be; and single and double quotes are replaced with ? signs.

Ideally, I’d like to be able to copy text from a PDF and have formatting converted to HTML codes, “smart quotes” converted to” and ‘, and line breaks done properly. Is there any way to do this?

Existuje rýchly a jednoduchý spôsob, ako Colen (a my ostatní) dostať chytiť text bez obetovania formátovania?

Odpoveď

Sprostredkovateľ SuperUser Frabjous ponúka riešenie kombinované s veľkou dávkou opatrnosti:

Firstly, you have to understand what a PDF is. PDFs are designed to mimic a printed page, and they are designed only as an output format, not an input format. a PDF is basically a map containing the exact location of characters (individual letters or punctuation, etc.) or images. In most cases, a PDF does not even store information about where one word ends and another begins, much less things like soft breaks vs. hard breaks for paragraph endings.

(A few recent PDFs do store some information about this stuff, but that’s a new technology, and you’d be lucky to find PDFs like that. Even if you did, your PDF viewer might not know about it.)

Anyway, it’s up to your software to implement some kind of “artificial intelligence” to extract merely from the locations of individual characters what is a word, what is a paragraph, and so on. Different software is going to do this better than others, and it’s also going to depend on how the PDF was made. In any case, you should never expect perfect results. Having the output PDF is not the same as having the source document. Far better to try to obtain that if you can.

The standard solution to your kind of problem is to use Adobe Acrobat Professional (the expensive one, not the free reader) to convert the PDF to HTML. Even that is not going to get perfect results.

There is free software that can be used to extract text from PDFs with some of formatting intact, but again, don’t expect perfect results. See, e.g., calibre (which can convert to RTF format), pdftohtml/pdfreflow, or the AbiWord word processor (with all import/export plugins enabled). There’s also a PDF import plugin for OpenOffice.

But please don’t expect perfection with any of these results. You’re going against the grain here. PDF just is not meant as an editable input format.

Ak máte problémy s rozhodnutím, ktorý nástroj na začiatok, Caliber je skutočný dokument švajčiarsky armádny nôž. Môžete ju použiť aj na konverziu súborov PDF na použitie vo vašom ebook reader a usporiadanie knižnice ebook / dokumentov.

Máte niečo doplniť vysvetlenie? Zvuk vypnúť v komentároch. Chcete si prečítať viac odpovedí od iných používateľov technológie Stack Exchange? Pozrite sa na celý diskusný príspevok tu.

Odporúča: