Daha önce iki farklı aracı inceledim.çeşitli popüler biçimlerden metin ayıkla - Metin Madenciliği Aracı ve OCR Terminali. Bu araçlar, çeşitli görüntü biçimlerinden, PDF ve HTML biçiminden vb. Metinler çıkarmanıza olanak tanır. Daha geniş bir araç, daha fazla biçimden metin çıkaran bir yardımcı program arıyorsanız, teXtracta kullanışlı olacaktır.
Bu prensibi üzerine çalışan bir araçtırIfilter. Microsoft tarafından geliştirilen ve çeşitli biçimlerde dosyaları endeksleyebilen indeksleme hizmeti için geliştirilen bir COM arayüzü. Bu dizine alınmış dosyalar daha sonra Windows 7 / Vista Search, Windows Desktop Search vb. TeXtracta'yı kullanarak çeşitli biçimlerden metin çıkarabilmek için bilgisayarınızda uygun IFilters yüklü olmalıdır. Uygun IFilters'ı kurmak için buraya gidin.
Bu yazımda nasıl çıkarılacağını anlatacağımPDF belgesindeki metni örnek olarak verin. Öncelikle yukarıda verilen linkten uygun IFilter'ı indir, bu makalenin sonunda verilen linkten teXtracta'yı al. Şimdi aracı yükleyin ve işlemek istediğiniz tek dosyayı seçin. Bir klasör de seçebilirsiniz, bu şekilde o klasör içindeki tüm dosyalar işlenir. Ardından, Metin Göster, Metni Kaydet ve Alt Dizinleri Dahil Et gibi istediğiniz seçenekleri işaretleyin.
Tamamlandığında, nihayet, aşağıdaki ekran görüntüsünde gösterildiği gibi PDF IFilter'ı seçtiğim gibi filtreleri seçin.
Bir dosya veya klasör seçeceğiniz zaman, İşlemi Başlat, İşlemi Duraklat ve İşlemi Durdur gibi seçenekler otomatik olarak etkinleştirilir.
Şimdi metni başlatmak için İşlemi Başlat düğmesine basınçıkarma işlemi. Eğer uygun IFilter kurulu değilse hemen size haber veriniz, aksi takdirde işlem sorunsuzca gerçekleşir. Sürecin harcadığı sürenin büyük ölçüde dönüştürebileceğiniz dosyaya bağlı olduğunu unutmayın.
Metni Kaydet seçeneği etkinse, çıktı dosya veya klasörün bulunduğu aynı dizinde txt biçiminde kaydedilir.
TeXtracta indir
Windows 2000, Windows XP, Windows Vista ve Windows 7'de çalışır.
Yorumlar