วิธีใช้ดึงข้อความจาก PDF เป็น TXT
ทดลองหน้า 1 ก่อน หากได้ข้อความให้ตรวจชื่อ ตัวเลข และลำดับคอลัมน์ ถ้าแจ้งไม่พบข้อความ ให้ใช้เครื่องมือ OCR แยกต่างหาก ไม่ควรส่ง TXT ว่างเป็นเอกสารฉบับสมบูรณ์
เตรียมข้อมูลให้ตรงงาน
ดึงชั้นข้อความจาก PDF เพื่อนำไปค้นหา คัดลอกหรือจัดรูปแบบต่อ
- ไฟล์ PDF ไม่เข้ารหัส (ไม่เกิน 20 MB / 100 หน้า)
- หน้าที่เลือก เช่น 1,3-5 หรือ all
ขั้นตอนใช้งาน
ลองหน้าที่มีข้อความเลือกได้ก่อน ตรวจลำดับย่อหน้า ตารางและภาษาไทยกับภาพต้นฉบับ
ตรวจผลด้วยกรณีตัวอย่าง
PDF สแกนอาจแสดงหน้าชัดแต่ดึงข้อความไม่ได้ ส่วน PDF สองคอลัมน์อาจได้บรรทัดสลับกัน
ก่อนนำผลไปใช้จริง
ไม่ทำ OCR ให้หน้าสแกน และลำดับคอลัมน์หรือสระไทยอาจต่างจากการอ่านด้วยตา ต้องตรวจแก้ก่อนนำไปอ้างอิง
ไม่ทำ OCR หากหน้ามีแต่ภาพจะแจ้งว่าไม่พบข้อความ ลำดับคอลัมน์/วรรณยุกต์ขึ้นกับโครงสร้างต้นฉบับ
คำถามที่พบบ่อย
เลือกข้อความได้หรือเป็นเพียงภาพถ่าย หมายถึงอะไร?
หน้าที่เห็นตัวหนังสือไม่ได้แปลว่ามี text layer เสมอไป เอกสารสแกนอาจมีแต่พิกเซล ส่วน PDF ที่มีข้อความจริงก็อาจเก็บชิ้นข้อความคนละลำดับกับที่สายตาอ่าน เครื่องมือจึงไม่ควรใช้ยืนยันข้อมูลสำคัญโดยไม่เทียบต้นฉบับ
ทดลองแล้วควรได้ผลอย่างไร?
PDF ที่มีคำว่า ToolThai จะได้ข้อความ ToolThai ใน TXT
มีข้อจำกัดอะไรที่ต้องตรวจ?
ไม่ทำ OCR หากหน้ามีแต่ภาพจะแจ้งว่าไม่พบข้อความ ลำดับคอลัมน์/วรรณยุกต์ขึ้นกับโครงสร้างต้นฉบับ