Выделяемый текст и сканированная картинка — разные вещи
Некоторые PDF хранят настоящие коды символов с отображением на глифы. Другие содержат только фотографии страниц и не дают текста для поиска до оптического распознавания (OCR).
Инструмент экспортирует те встроенные буквы, которые способен прочесть. Он не восстанавливает исходные шрифты, колонки, таблицы, рисунки и оформление в виде документа текстового процессора.
Просмотрите полученный TXT
В сложных PDF символы могут храниться не в порядке чтения. Если имена и колонки перемешаны, попробуйте извлечение с учётом расположения элементов или OCR.
- Откройте PDF и проверьте, можно ли выделить текст на странице.
- В разделе «Преобразовать PDF» выберите экспорт всех страниц в TXT.
- Откройте TXT, проверьте переносы строк, символы и последовательность. При необходимости исправьте в текстовом редакторе.
- В TXT не сохраняются подписи, картинки, шрифты или компоновка страниц PDF.