PDF-ті мәтіндік файлға аудару
Нәтиже — UTF-8 кодтауындағы кәдімгі .txt, оның үстіне файл басына кодтау белгісі қосылады: онсыз Windows-тағы Блокнот пен Excel импорт шебері кириллицаны басқа кодтау деп қабылдап, сұрақ белгілерін көрсете береді. Беттер бос жолмен бөлінеді, абзац ішіндегі тасымалдар сақталады. Қалған безендірудің бәрі жоғалады — жалпақ мәтін кестені де, бағанды да, қаріп қалыңдығын да сақтай алмайды.
Сандар туралы қысқаша
- Нәтиже пішімі
- UTF-8 .txt, файл басында кодтау белгісі бар
- Беттердің бөлінуі
- беттер арасында бос жол
- Не жоғалады
- кестелер, бағандар, қаріп қалыңдығы, кескіндер
- Қайда өңделеді
- браузерде, құжат серверге кетпейді
- Файл атауы
- бастапқысынан алынады, кеңейтімі .txt болып өзгереді
Құрылыммен не болады
Кесте жолдар тізбегіне айналады: ұяшық мәндері файлға қалай жазылса, сол ретпен бірінен соң бірі келеді. Кейде бұл бөлгіш бойынша оңай талданатын тегіс жолдар, кейде — генератор ұяшықтарды оқу ретімен жазбаса, араласқан үзінділер.
Екі бағанды беттеу — ең қолайсыз жағдай. PDF-тегі мәтіннің реті беттің қалай көрінетінімен емес, оның қалай жазылғанымен белгіленеді. Сондықтан бағандар не бірінен соң бірі ұқыпты шығады, не екеуін көлденең кесіп өтетін кезектескен жолдар болып шығады. Нәтиже шатасқан болса, алдымен беттерді қиюмен қақ бөліп, жартыларын бөлек өңдеп көріңіз.
Колонтитулдар, бет нөмірлері мен сілтемелер мәтінге өз орындарында кіріп кетеді — олар да қалғаны сияқты жазулар, оларды автоматты ажырататын белгі жоқ. Ең оңайы — оларды мәтіндік редакторда іздеу және ауыстыру арқылы тазалау.
Дайын файлмен не істеу керек
- Excel-ге импорт: ұяшықтар тегіс жол болып шықса, бөлгіші бар импорт шеберін қолданыңыз — нүктелі үтір, табуляция немесе бірнеше бос орын.
- Word-те түзету: мәтінді қойып, басылмайтын белгілерді көрсетуді қосыңыз, сонда артық жол тасымалдарын көріп, бір ауыстырумен алып тастайсыз.
- Үлкен құжаттан іздеу: .txt лезде ашылады және кез келген редактормен ізделеді, ал көп беттік PDF телефонда ұзақ ашылады.
- Скриптпен әрі қарай өңдеу: UTF-8 жалпақ мәтінді кез келген тіл PDF кітапханасынсыз оқиды.
Жұмыс тәртібі
- PDF-ті мәтінді шығару құралына жүктеңіз — өңдеу қойындыда жүреді, файл ешқайда жіберілмейді.
- Беттердің өтуін күтіп, өткізіліп кеткендердің тізімі шықпағанын қараңыз.
- Мәтінді терезеден қарап шығыңыз: кестелер мен бағандардың тегіс түскенін бірден көресіз.
- Файл толық керек болмаса, .txt жүктеңіз немесе қажет үзіндіні терезеден көшіріңіз.
- Файлды редакторда ашып, қайталанатын колонтитулдарды іздеу және ауыстыру арқылы алып тастаңыз.
Жиі қойылатын сұрақтар
Файл басындағы кодтау белгісі не үшін керек?
Ол бағдарламаға алдында UTF-8 тұрғанын айтады. Онсыз стандартты Блокнот пен Excel импорт шебері кодтауды жиі қате болжайды да, кириллица мен қазақ әріптері сұрақ белгісіне немесе түсініксіз таңбаларға айналады.
Кесте жолдары неге араласып кетті?
PDF-тегі мәтіннің реті беттің сыртқы түрімен емес, жазылу ретімен белгіленеді. Генератор ұяшықтарды жол бойынша емес, баған бойынша жазса, жалпақ мәтін дәл сол тізбекті қайталайды, оны қолмен реттеуге тура келеді.
Тек бірнеше беттің мәтінін алуға бола ма?
Қажет беттерді бөлек PDF етіп шығарып алыңыз да, сосын соны өңдеңіз. Сонда бүкіл құжаттың өтуін күтпейсіз және қолмен тазаламай-ақ, дәл керек үзіндіні аласыз.
Бұл Word-ке түрлендіруден несімен ерекшеленеді?
Мәтіндік файл тек сөздерді сақтайды, бірақ мұны браузерде және бұрмалаусыз істейді. Word-ке түрлендіру абзацтар мен кестелерді қалпына келтіруге тырысады, серверде жүреді және күрделі беттеуде қателеседі.