Untuk mengekstrak teks dari PDF di Windows, periksa dulu apakah teksnya bisa dipilih. Jika bisa, salin di penampil PDF atau konversikan seluruh file dengan MD Factory. Jika tidak, halamannya berupa gambar, dan teksnya harus dikenali dengan OCR.
Kedua jenis PDF itu memerlukan cara yang berbeda. Langkah di bawah dimulai dengan pengujian yang menunjukkan jenis PDF Anda.
Periksa apakah teks bisa dipilih
Buka PDF di Microsoft Edge, Chrome, atau Adobe Acrobat Reader. Tekan Ctrl+F dan cari kata yang terlihat di halaman.
- Kata ditemukan dan disorot: PDF memiliki teks yang bisa dipilih.
- Tidak ada yang ditemukan, atau menyeret mouse di sepanjang baris tidak memilihnya: halaman itu berupa gambar teks.
Satu PDF bisa berisi keduanya. Laporan ketikan bisa diakhiri lampiran hasil pindai, jadi lakukan pencarian di satu halaman bagian tengah dan satu halaman bagian akhir.
Salin teks di penampil PDF
Untuk beberapa paragraf, ini cara tercepat. Seret mouse di atas teks dan tekan Ctrl+C. Untuk menyalin seluruh dokumen, tekan Ctrl+A, lalu Ctrl+C. Tempel teks ke Notepad atau Word dengan Ctrl+V.
Teks yang disalin sering memiliki jeda baris di akhir setiap baris, tabel tiba sebagai baris-baris lepas, dan pada halaman dua kolom, teks satu kolom bisa menyambung ke kolom lainnya. Nomor halaman dan kepala halaman berulang ikut tersalin.
Buka PDF di Word
Word dapat membuka PDF sebagai dokumen yang bisa diedit. Buka File, lalu Buka, pilih PDF, dan pilih OK saat Word menawarkan konversi. Menurut Microsoft, cara ini paling cocok untuk PDF yang sebagian besar berisi teks, dan baris serta halaman bisa terputus di tempat yang berbeda dari aslinya. Langkahnya ada di Mengedit PDF.
Gunakan cara ini jika Anda ingin terus mengedit teks di Word. Untuk teks biasa, atau untuk banyak file, konversikan saja.
Konversikan seluruh PDF dengan MD Factory
- Buka MD Factory dan klik Tambahkan file, atau seret PDF ke jendela aplikasi. Untuk mengonversi semua PDF dalam sebuah folder, termasuk subfoldernya, klik Tambahkan folder.
- Konversi langsung dimulai. Setelah selesai, baris file menampilkan Selesai, Perlu diperiksa, atau Gagal.
- Klik dua kali jalur hasil di baris untuk membuka teksnya.
Teks disimpan dalam file dengan nama PDF dan ekstensi .md, di folder yang sama. Gambar dari PDF masuk ke folder di sampingnya. Konversi berjalan di PC Anda.
Reports/
annual-report.pdf
annual-report.md
annual-report_images/File .md adalah teks biasa, jadi Notepad bisa membukanya. Judul diawali dengan # dan tabel digambar dengan karakter |. Panduan panduan mengonversi PDF ke Markdown untuk penjelasan lebih rinci tentang file ini.
Ekstrak teks dari PDF hasil pindai
Tambahkan PDF hasil pindai dengan cara yang sama. MD Factory menemukan halaman yang berupa gambar dan mengenali teksnya dengan OCR di PC Anda. Pada PDF yang memadukan halaman ketikan dan halaman pindai, teks ketikan dipertahankan apa adanya, dan OCR hanya berjalan di halaman pindai.
OCR bisa salah membaca teks yang pudar, miring, atau tulisan tangan. Jika baris menampilkan Perlu diperiksa atau Gagal, klik statusnya, pilih bahasa dokumen di daftar Bahasa OCR, lalu klik Coba lagi. Lihat panduan PDF hasil pindai untuk pengaturan bahasa dan arti setiap pesan.
Untuk satu halaman pindai di Windows 11, Snipping Tool juga bisa melakukannya. Tekan Windows+Shift+S, pilih areanya, lalu pilih Text actions dan Copy all text. Menurut Microsoft, pengenalan teks berjalan di perangkat Anda: lihat Menggunakan Snipping Tool untuk mengambil tangkapan layar.
Periksa teks hasil ekstraksi
Apa pun cara yang Anda pakai, bandingkan hasilnya dengan PDF sebelum mengandalkannya:
- Baca melintasi pergantian kolom dan pergantian halaman untuk memeriksa urutan kalimat.
- Hapus nomor halaman dan kepala halaman berulang yang memotong kalimat.
- Cocokkan setiap angka yang akan Anda pakai, seperti jumlah uang, tanggal, dan nomor identitas, dengan PDF.
- Pada tabel, pastikan setiap nilai berada di baris yang benar.
Teks dari hasil pindai perlu diperiksa paling teliti: digit yang salah baca tampak sama masuk akalnya dengan yang benar.
Cara mana yang dipakai
| Cara | Paling cocok untuk | Batasan |
|---|---|---|
| Salin di penampil | Beberapa paragraf dari PDF dengan teks yang bisa dipilih | Tidak membaca hasil pindai. Jeda baris dan tabel perlu dirapikan. |
| Buka di Word | PDF teks yang ingin Anda edit sebagai dokumen Word | Tata letak bisa berubah. Paling cocok untuk PDF yang sebagian besar berisi teks. |
| MD Factory | PDF utuh, folder berisi PDF, dan hasil pindai | Hasilnya perlu dicocokkan dengan PDF. |
| Snipping Tool | Satu halaman pindai, atau sebagian darinya, di Windows 11 | Satu area layar sekali waktu. |
Pertanyaan
Bisakah saya mengekstrak teks dari PDF yang dilindungi kata sandi?
MD Factory tidak mengonversi PDF yang dilindungi kata sandi. Buka PDF dengan kata sandinya di penampil Anda, simpan salinan tanpa kata sandi jika Anda berhak melakukannya, lalu konversikan salinan itu.
Bagaimana cara mengekstrak teks dari banyak PDF sekaligus?
Klik Tambahkan folder di MD Factory. Setiap PDF mendapat file teksnya sendiri. Untuk mencari di semuanya, lihat cara mencari di dalam banyak file PDF dan Word.
Apakah MD Factory mempertahankan tata letak PDF?
Tidak. Anda mendapat teks beserta judul, daftar, dan tabelnya, bukan tampilan halamannya. Simpan PDF untuk hal yang bergantung pada tata letak.