پاکسازی متن PDF برای گویندگی

چه مشکلی را این صفحه حل می‌کند؟

بسیاری از فایل‌های PDF، سطرهای دیداری صفحه را هنگام کپی کردن به خط‌های جدا تبدیل می‌کنند. اگر همین متن را به متن‌خوان بدهید، ممکن است مکث‌هایی در وسط جمله ایجاد شود. این ابزار برای متنی است که قبلاً از فایل استخراج یا کپی کرده‌اید. شکست‌های تک‌خطی داخل بند را به فاصله تبدیل می‌کند و خط خالی بین بندها را نگه می‌دارد. فایل PDF در این صفحه باز یا تحلیل نمی‌شود؛ برای وارد کردن مستقیم فایل متنی PDF باید از قابلیت ورود فایل در استودیو استفاده کنید.

پاراگراف اصلی را از سطر چاپی جدا کنید

یک سطر کوتاه در صفحه لزوماً پاراگراف تازه نیست. در کتاب و مقاله، عرض ستون باعث می‌شود جملهٔ طولانی روی چند سطر نوشته شود. اگر میان دو بند خط خالی وجود داشته باشد، ابزار می‌تواند آن مرز را هنگام پیوند سطرها حفظ کند. اما متن کپی‌شده همیشه این اطلاعات را کامل ندارد. وقتی همهٔ شکست‌ها شبیه هم باشند، تشخیص معنایی مرز بند از روی فاصله ممکن نیست. پس از اجرا، آغاز هر پاراگراف و جای عنوان‌ها را مرور کنید؛ ابزار نباید جای بازبینی ساختار یک سند مهم را بگیرد.

نشانه‌های پنهان و شکل حروف

بعضی کپی‌ها شامل فاصلهٔ غیرشکننده، نویسهٔ بدون عرض یا شکل نمایشی حروف عربی هستند. ابزار چند مورد مشخص را یکسان می‌کند تا متن برای ویرایش معمولی قابل استفاده‌تر باشد. نیم‌فاصلهٔ فارسی را عمداً مثل فاصلهٔ مزاحم حذف نمی‌کند؛ از بین بردن آن می‌تواند شکل واژه‌ها را خراب کند. یکسان‌سازی سازگاری یونیکد ممکن است شکل نمایش بعضی نویسه‌ها را تغییر دهد. اگر نوشته شامل فرمول، کد، نشانهٔ علمی یا قالبی است که فاصله در آن معنا دارد، نسخهٔ پاک‌شده را با اصل مقایسه کنید.

شمارهٔ صفحه را اختیاری حذف کنید

گزینهٔ حذف خط‌های فقط عددی برای مواقعی است که شمارهٔ صفحه در میان متن افتاده است. با فعال کردن آن، هر خطی که فقط عدد داشته باشد کنار گذاشته می‌شود. همین قاعده می‌تواند یک مقدار واقعی در جدول یا فهرست را هم حذف کند. به همین دلیل گزینه از ابتدا فعال نیست و نباید برای هر مقاله به شکل خودکار انتخاب شود. اول خروجی حالت ساده را ببینید؛ اگر خط‌های شمارهٔ صفحه روشن و جدا هستند، گزینه را امتحان کنید و تعدادها و تاریخ‌های سند را دوباره بررسی کنید.

نمونهٔ سطر شکسته و محدودیت ستون‌ها

در نمونهٔ فرم، یک جمله روی دو خط آمده و سپس یک خط خالی، بند بعدی را مشخص کرده است. نتیجه باید سطرهای داخل جمله را وصل کند و بند دوم را جدا نگه دارد. این مثال تک‌ستونی است. اگر متن از مقالهٔ دو ستونی با ترتیب غلط کپی شده باشد، پیوند دادن خط‌ها ترتیب ستون‌ها را اصلاح نمی‌کند. همچنین برای PDF اسکن‌شده‌ای که اصلاً متن ندارد، این صفحه توان تشخیص تصویر و OCR ندارد. ابتدا از راه مناسب متن را استخراج کنید و سپس پاکسازی را به‌عنوان مرحلهٔ بعد انجام دهید.

آماده‌سازی امن برای شنیدن

پس از مرتب کردن سطرها، پانویس و فهرست منابع را بررسی کنید و فقط بخش‌هایی را حذف کنید که در روایت لازم نیستند. نام‌های تخصصی را به واژه‌نامه بسپارید و عدد و تاریخ را در پیش‌نمایش استودیو ببینید. متن اصلی PDF را کنار نسخهٔ اصلاح‌شده نگه دارید تا معنی جمله و ترتیب عنوان‌ها قابل کنترل باشد. خروجی این ابزار متن ساده است و ستون، جدول و تصویر را بازسازی نمی‌کند. پردازش داخل مرورگر انجام می‌شود؛ برای این پاکسازی نوشته‌ای به سرور تولید صوت فرستاده نمی‌شود و حساب کاربری لازم نیست.

پرسش‌های رایج