বাংলা
PDF থেকে লেখা বের করার উপায়
PDF থেকে লেখা বের করতে ফাইলটি উপরের বাক্সে ছাড়ুন। পেজগুলো পড়া হলেই লেখা ডানে দেখা যায়, আর আপনি সেটি কপি করতে বা .txt বা Markdown ফাইল হিসেবে ডাউনলোড করতে পারেন। সবকিছু আপনার ব্রাউজারে হয়, তাই চুক্তি, ব্যাংক স্টেটমেন্ট বা অপ্রকাশিত পাণ্ডুলিপি কখনো কোনো সার্ভারে যায় না।
- একটা PDF বা একাধিক যোগ করুন। শুধু দেখতে চাইলে নমুনা বাটন ব্যবহার করুন।
- সাধারণ লেখা বা Markdown বাছুন, আর লাইনগুলো অনুচ্ছেদে জুড়বে কিনা ঠিক করুন।
- ফাইলের শুধু একটা অংশ দরকার হলে পেজের পরিসর লিখুন, যেমন 1-3, 5, 8-।
- পুরো নথির ভিউ বা পেজ ধরে ধরে ফলাফল দেখুন, তারপর কপি করুন বা ডাউনলোড করুন। একাধিক ফাইল হলে সব ডাউনলোড (.zip) প্রতিটি PDF-এর জন্য একটি করে লেখা ফাইল দেয়।
ফলাফলের ওপরের শব্দ ও অক্ষরের গণনা আপনার বাছা পেজের জন্য, যা ওয়ার্ড প্রসেসর না খুলেই বড় প্রতিবেদনের দ্রুত হিসাব দেয়।
PDF থেকে কপি করা লেখা কেন এলোমেলো দেখায়
PDF-এ অনুচ্ছেদ থাকে না। সেখানে স্থানাঙ্কসহ লেখার টুকরো থাকে, যেগুলো ফাইল তৈরি করা প্রোগ্রাম নিজের পছন্দের ক্রমে আঁকে। PDF রিডারে সিলেক্ট করে কপি করলে ছাপা প্রতিটি লাইনের শেষে লাইন ভাঙে, হাইফেন দিয়ে শব্দ মাঝখানে কাটা পড়ে, আর দুই কলামের প্রবন্ধে বাঁ কলামের প্রথম লাইনের পর ডান কলামের প্রথম লাইন আসে।
এই টুল স্থানাঙ্ক থেকে কাঠামোটি আবার গড়ে:
| কপি করলে যে সমস্যা হয় | টুল যা করে | অপশন |
|---|---|---|
| ছাপা প্রতিটি লাইনের পর লাইন ভাঙা | একটা অনুচ্ছেদের লাইনগুলো জোড়ে, অনুচ্ছেদের ফাঁক রাখে | লাইন ভাঙা |
| inter- national দুই লাইনে ভাঙা শব্দ | হাইফেন সরিয়ে শব্দটি জোড়ে | হাইফেন দিয়ে ভাঙা শব্দ ঠিক করুন |
| কলাম একসঙ্গে মিশে যাওয়া | বাঁ কলাম নিচ পর্যন্ত পড়ে, তারপর পরের কলাম | কলামগুলো একের পর এক পড়ুন |
| প্রতি পেজে পেজ নম্বর ও শিরোনাম | উপরের বা নিচের মার্জিনে বারবার আসা লাইন বাদ দেয় | বারবার আসা হেডার ও ফুটার সরান |
| একটা টেবিল একটানা শব্দের স্রোতে পরিণত | সারি ও কলাম রাখে, ট্যাব দিয়ে আলাদা বা Markdown টেবিল হিসেবে | টেবিল শনাক্ত করুন |
হাইফেন ঠিক করার বিষয়ে একটা সতর্কতা: এটি লাইনের শেষে হাইফেনের পরের ছোট হাতের অক্ষরের অংশটি আগের শব্দের সঙ্গে জোড়ে। তাই যে যৌগ শব্দ আসলেই হাইফেনে লেখা, যেমন "well-
known", সেটি "wellknown" হয়ে যায়। অনেক যৌগ শব্দওয়ালা নথিতে এই অপশন বন্ধ রাখুন।
সাধারণ লেখা না Markdown?
কোনো ইমেইল, নোট অ্যাপ বা অনুবাদের টুলে পেস্ট করতে সাধারণ লেখাই সবচেয়ে নিরাপদ। লেখা যদি ডকুমেন্টেশন, উইকি বা Markdown বোঝে এমন নোট অ্যাপে যায়, তখন Markdown ভালো। টুলটি ফন্টের সাইজ থেকে শিরোনাম আন্দাজ করে: সবচেয়ে বড় শিরোনামের আকার হয় #, পরেরটি ##, তারপর ###। বুলেট ও নম্বরযুক্ত তালিকার চিহ্ন থাকে, আর টেবিল হয় Markdown টেবিল। যে PDF-এর সব লেখার ফন্ট সাইজ একই, সেখানে শিরোনাম খুঁজে পাওয়ার কিছু থাকে না।
স্ক্যান করা PDF আর OCR
স্ক্যান হলো একটা পেজের ছবি, তাই সেখানে বের করার মতো লেখা নেই। কোনো পেজে লেখার স্তর না থাকলে একটা OCR বাক্স দেখা যায়, যেখানে ভাষা বেছে পেজগুলো পড়াতে হয়। OCR ইঞ্জিন (Tesseract) আপনার ব্রাউজারে চলে। প্রথমবার ব্যবহারের সময় ইঞ্জিন ও ভাষার তথ্য নামে (কয়েক মেগাবাইট, কিছু ভাষার জন্য আরও বেশি), তবুও পেজ আপলোড হয় না।
- 300 DPI-এর পরিষ্কার স্ক্যানে ভালো ফল আসে। কোণে নিয়ে তোলা, ছায়াযুক্ত ফোনের ছবিতে ফল অনেক খারাপ হয়।
- সঠিক ভাষা বাছুন। স্প্যানিশ পেজে ইংরেজি OCR চালালে প্রতিটি উচ্চারণচিহ্ন হারিয়ে যায়।
- টেবিল ও বহু-কলামের বিন্যাস OCR-এ প্রকৃত লেখার চেয়ে কম নির্ভরযোগ্য। বিশেষ করে সংখ্যা মিলিয়ে নিন।
এই টুল যা পারে না
ছবি, চার্ট বা আঁকার ভেতরের লেখা PDF-এর লেখা নয়, তাই OCR না চালালে সেটি বাদ যায়। ভাসমান বাক্স, পাশের কলাম বা ছবির চারপাশে মোড়ানো লেখাওয়ালা জটিল বিন্যাস ভুল ক্রমে আসতে পারে, আর এগুলো খুঁজতে পেজ ধরে ধরে ভিউ সবচেয়ে দ্রুত উপায়। ক্ষতিগ্রস্ত ফন্ট এনকোডিং দিয়ে তৈরি PDF-এ অক্ষর এলোমেলো আসতে পারে, যা ডাউনলোড করার আগেই ফলাফলে দেখা যাবে। বাঁকানো লেখা বাদ যায়। 150 MB-এর বড় ফাইল বাতিল হয়, যাতে ট্যাব মেমরি শেষ না করে।
সচরাচর জিজ্ঞাসিত প্রশ্ন
আপলোড না করে PDF থেকে লেখা কীভাবে বের করব?
PDF-টি এই পেজে ছাড়ুন, কিছুক্ষণের মধ্যে ডানে লেখা দেখা যাবে, যা কপি করা বা .txt হিসেবে ডাউনলোড করা যায়। আপনার ব্রাউজার নিজেই ফাইলটি পড়ে, তাই ফোন বা কম্পিউটার ছেড়ে কিছু বের হয় না। 20 পেজের লেখার PDF কয়েক সেকেন্ডে হয়।
PDF থেকে কপি করা লেখায় লাইন ভাঙা আর অদ্ভুত ফাঁক কেন থাকে?
PDF-এ প্রতিটি লাইন আলাদা টুকরো হিসেবে পেজে বসানো থাকে, অনুচ্ছেদ হিসেবে নয়। এই টুল টুকরোগুলো পড়ার ক্রমে সাজায়, প্রতিটি অনুচ্ছেদের লাইন জোড়ে, আর হাইফেন দিয়ে লাইনের শেষে ভাঙা শব্দ ঠিক করে, যাতে ফলাফল কোনো নথিতে সুন্দরভাবে পেস্ট হয়। ছাপা লাইনে যেমন আছে ঠিক তেমন লাইন চাইলে লাইন ভাঙা রাখুন-এ বদলান।
দুই বা তিন কলামের PDF সঠিক ক্রমে পড়তে পারবে কি?
বেশির ভাগ ক্ষেত্রে পারে। টুলটি একটা স্পষ্ট উল্লম্ব ফাঁক খোঁজে এবং পরের কলামে যাওয়ার আগে প্রতিটি কলাম ওপর থেকে নিচ পর্যন্ত পড়ে, আর কলামের ওপরের পূর্ণ-প্রস্থের শিরোনাম ওপরেই থাকে। ছবির চারপাশে মোড়ানো লেখা, পাশের কলাম বা অনিয়মিত বাক্সওয়ালা ম্যাগাজিনের পেজ এখনো ভুল ক্রমে আসতে পারে, তাই পেজ ধরে ধরে ভিউতে সেগুলো যাচাই করুন।
স্ক্যান করা PDF থেকে লেখা কীভাবে বের করব?
কোনো পেজে লেখার স্তর না থাকলে যে OCR বাক্স আসে সেটি ব্যবহার করুন। নথির ভাষা বাছুন, তারপর OCR দিয়ে পেজ পড়ুন চাপুন। ইঞ্জিন আপনার ব্রাউজারে চলে, আর প্রথমবার ভাষার তথ্য একবার নামে। 300 DPI-এর পরিষ্কার স্ক্যান ভালো পড়ে, কিন্তু কাত করা ফোনের ছবি অনেক খারাপ, তাই ফলাফল মিলিয়ে দেখুন।
লেখাটি Markdown-এ শিরোনামসহ পাওয়া যাবে কি?
যাবে। Markdown (.md) বাছলে বড় লেখা শিরোনাম হয়: সবচেয়ে বড় আকার হয় #, পরেরটি ##, তারপর ###। বুলেট ও নম্বরযুক্ত তালিকার চিহ্ন থাকে, আর টেবিল হয় Markdown টেবিল। শিরোনাম ফন্টের আকার থেকে আন্দাজ করা হয়, তাই যে PDF-এ সবকিছু একই আকারের, সেখানে কোনো শিরোনাম থাকে না।
PDF থেকে হেডার, ফুটার ও পেজ নম্বর কীভাবে বাদ দেব?
Remove repeated headers, footers and page numbers টিক রাখুন। উপরের বা নিচের মার্জিনে যে লাইনগুলো অন্তত অর্ধেক পেজে বারবার আসে, আর একা থাকা পেজ নম্বর বাদ যায়। শুধু একটি পেজে আসা শিরোনাম থেকে যায়। যে ফুটার দরকার সেটি বাদ যাচ্ছে মনে হলে অপশনটি বন্ধ করুন।
PDF-এর কিছু পেজ থেকে বা অনেক PDF একসঙ্গে থেকে লেখা বের করা যাবে?
Pages বাক্সে 1-3, 5, 8- এর মতো লিখুন, তাহলে শুধু ওই পেজগুলো পড়া হবে। একাধিক PDF যোগ করে প্রতিটির জন্য আলাদা টেক্সট ফাইল একটা .zip-এ ডাউনলোড করা যায়। একই অপশন আর পেজের পরিসর প্রতিটি ফাইলে প্রয়োগ হয়।
PDF-এর আকারের কোনো সীমা আছে কি?
150 MB পর্যন্ত PDF খোলা যায় এবং একবারে 3,000 পেজ পড়া হয়। পেজগুলো একটা একটা করে প্রসেস হয়, একটা অগ্রগতির বার আর বাতিল বোতাম থাকে, তাই 200 পেজের ফাইলেও ট্যাব জমে যায় না। পাসওয়ার্ড দেওয়া PDF পাসওয়ার্ড চায়, এবং সেটি শুধু ফাইলটি আপনার ডিভাইসে খুলতে ব্যবহার হয়।