PDF से टेक्स्ट कैसे कॉपी करें (और कभी-कभी वह ख़ाली क्यों आता है)

आप PDF से टेक्स्ट निकाल सकते हैं या नहीं, यह इस पर निर्भर है कि PDF बनी कैसे। उसे खोलें, माउस से एक शब्द चुनने की कोशिश करें, और आपको पता चल जाएगा कि आप किस स्थिति में हैं।

स्थिति 1: आप शब्द चुन सकते हैं

PDF में असली टेक्स्ट है। PDF से टेक्स्ट उसे पेज दर पेज पढ़कर एक सादी .txt फ़ाइल देता है, साथ में कॉपी करने के लिए एक बॉक्स। अगर आपको जानना है कि हर पेज कहाँ से शुरू होता है, जो किसी दस्तावेज़ का हवाला देने में काम आता है, तो पेज ब्रेक चिह्नित करें चुनें।

स्थिति 2: आप कुछ भी नहीं चुन सकते

PDF एक स्कैन या फ़ोटो है। जो टेक्स्ट जैसा दिखता है, वह टेक्स्ट की तस्वीर है, अख़बार के पन्ने की फ़ोटो की तरह। निकालने पर कुछ नहीं मिलता क्योंकि निकालने को कुछ है ही नहीं।

तस्वीर को फिर से अक्षरों में बदलने के लिए OCR (ऑप्टिकल कैरेक्टर रिकग्निशन) चाहिए। पहले फ़ाइल को OCR PDF से गुज़ारें: यह हर पेज के शब्द पहचानकर उन्हें एक अदृश्य परत के रूप में जोड़ता है। उसके बाद PDF सामान्य PDF की तरह बर्ताव करती है और “PDF से टेक्स्ट” उसे निकाल सकता है। धुँधले या टेढ़े स्कैन में कुछ ग़लतियों की उम्मीद रखें; भरोसा करने से पहले नाम और अंक जाँच लें।

एक पैराग्राफ़ के लिए फ़ोन तेज़ है: iPhone पर, फ़ोटो में टेक्स्ट को दबाकर रखें (लाइव टेक्स्ट); Android पर, Google Lens यही करता है।

स्थिति 3: टेक्स्ट आता है, पर बेतरतीब

PDF हर टेक्स्ट टुकड़े को पेज पर उसकी जगह के साथ सेव करती है, लगातार पैराग्राफ़ के रूप में नहीं। पढ़ने का क्रम दोबारा बनाने के लिए, निकालने वाला टूल टुकड़ों को लाइनों में जोड़कर ऊपर से नीचे लगाता है। यह आम पेजों पर अच्छा चलता है, और इन पर कम:

• दो कॉलम वाले लेआउट, जहाँ दोनों कॉलम की लाइनें आपस में मिल सकती हैं।
• टेबल, जो ग्रिड के बिना मानों की पंक्तियों के रूप में आती हैं।
• तिरछा टेक्स्ट या किसी वक्र पर चलता टेक्स्ट।

छोटे हिस्से के लिए, व्यूअर में सीधे चुनकर कॉपी करना अक्सर सबसे साफ़ नतीजा देता है, क्योंकि जगह आप ख़ुद चुनते हैं। पूरे दस्तावेज़ के लिए, सब निकालें और टेक्स्ट एडिटर में ठीक करें।

हिंदी और दूसरी देवनागरी लिपियों में ख़ास तौर पर, मात्राएँ कभी-कभी ग़लत जगह आ जाती हैं या संयुक्ताक्षर टूट जाते हैं, यह इस पर निर्भर है कि फ़ाइल किस प्रोग्राम से बनी। यह फ़ाइल के अंदर टेक्स्ट सेव होने के तरीक़े की समस्या है, निकालने वाले टूल की नहीं।

अजीब अक्षर

अगर आपको बॉक्स, प्रश्नचिह्न, या “fi” की जगह “fi” जैसे जुड़े अक्षर मिलते हैं, तो PDF ऐसा फ़ॉन्ट इस्तेमाल करती है जिसकी अक्षर तालिका सही नहीं है। ढूँढें-और-बदलें से जुड़े अक्षर जल्दी ठीक हो जाते हैं; ग़ायब अक्षर आमतौर पर OCR के बिना वापस नहीं मिलते।