PDF'ten metin çıkarma nedir?
Bir PDF'in içindeki yazıyı, biçimlendirmesinden ayırıp düzenlenebilir metin olarak almaktır. Sözleşmeden bir maddeyi alıntılamak, tebliğden paragraf kopyalamak, raporu çeviriye veya not uygulamasına aktarmak en sık karşılaşılan durumlardır.
İşlem tarayıcınızın içinde yapılır. Belge internete gönderilmez, bir sunucuya yüklenmez, hiçbir yerde saklanmaz — sözleşme veya özlük dosyası gibi belgelerde önemli bir fark.
Neden düz kopyalamaktan farklı?
PDF paragraf, satır veya okuma sırası kavramı taşımaz. İçinde yalnızca "şu harfi şu koordinata çiz" komutları vardır. Metni olduğu gibi almak bu yüzden dağınık sonuç verir: kelimeler bölünür, satırlar birbirine girer, sayfa numaraları metnin ortasına düşer.
Bu araç yapıyı koordinatlardan geri kurar:
- Sütunlar sırayla okunur. İki sütunlu belgelerde — resmi tebliğler, akademik metinler — satırları yukarıdan aşağı almak sol ve sağ sütunu birbirine karıştırır. Araç sayfadaki dikey boşluğu bulup önce sol sütunu, sonra sağ sütunu okur. Sütunları kesen başlıklar yerinde kalır.
- Kelimeler yeniden kurulur. PDF metni harf harf çizebilir ve boşluk karakteri hiç yazılmamış olabilir. Parçalar arasındaki mesafeye bakılarak boşluklar yerine konur.
- Satır sonu tireleri birleştirilir.Türkçe hecelemede sık görülen "çalış-" / "makta" bölünmesi tek kelimeye döner.
- Tekrarlayan üstbilgi ve sayfa numaraları ayıklanır.Her sayfada dönen kurum adı veya "Sayfa 3/12" satırı metnin içine karışmaz. Basılı sayfa numarası kenar boşluğunun ortasında dursa — taranmış kitaplarda sık görülür — yine bulunur ve cümlenin ortasına düşmez.
- Başlıklar tanınır. Punto farkından başlık sezilir; Markdown çıktısında bunlar
#ile işaretlenir.
Taranmış belgeler
Fotokopi makinesinden veya telefon taramasından çıkan PDF'lerin içinde metin katmanı bulunmaz — sayfalar görüntüdür. Böyle bir belgede çıkarılacak yazı yoktur. Araç bu durumu tespit edip açıkça söyler, sessizce boş çıktı vermez. Metni almak için optik karakter tanıma (OCR) gerekir; bu araç OCR yapmaz.
Nasıl kullanılır?
- PDF dosyasını seçin — Dosyayı alana sürükleyin veya tıklayıp bilgisayarınızdan seçin. Belge açılır açılmaz kaç sayfa olduğu görünür.
- Metni çıkarın — "Metni çıkar" düğmesine basın. İşlem tarayıcınızda çalışır; uzun belgelerde ilerlemeyi görür, dilerseniz iptal edebilirsiniz.
- Biçimi seçin — Düz metin çoğu iş için yeterlidir. Markdown, başlıkları # işaretiyle koruyarak not uygulamalarına aktarmak isteyenler içindir.
- Kopyalayın veya indirin — Metni tek tıkla panoya kopyalayın, ya da .txt veya .md dosyası olarak kaydedin.