PDF'den Neden Metin Kopyalayamıyorum?

1. PDF taranmış bir görüntüdür (en yaygın)

Bu, insanların PDF'den metin kopyalayamamasının 1 numaralı sebebidir. Bir belge tarandığında — düz yataklı tarayıcı, çok fonksiyonlu yazıcı veya CamScanner gibi bir telefon kamera uygulamasıyla — ortaya çıkan PDF, her sayfanın bir fotoğrafını içerir, gerçek metin karakterlerini değil. PDF görüntüleyiciniz onu normal görünen bir belge olarak işler, ancak her sayfa sadece bir resim olduğu için seçilecek hiçbir şey yoktur.

Bu, eski belgelerde, devlet formlarında, dijital çağdan önceki akademik makalelerde ve fiziksel bir çıktı olarak aldığınız ve birinin daha sonra elektronik olarak paylaşmak için taradığı her şeyde son derece yaygındır.

Nasıl anlaşılır: Metnin üzerine tıklayıp sürüklemeyi deneyin. Hiçbir şey vurgulanmıyorsa veya tüm sayfa tek bir büyük blok olarak seçiliyorsa (bir resim seçer gibi), bu taranmış bir PDF'dir. Başka bir test: %400'e yakınlaştırın — metin hafif bulanık veya bir fotoğraf gibi pikselli görünüyorsa, bu bir görüntüdür.

Çözüm: Görüntüleri metne dönüştürmek için OCR (Optik Karakter Tanıma) yazılımına ihtiyacınız var. Ücretsiz seçenekler arasında Google Dokümanlar (Google Drive'a yükle → "Şununla aç → Google Dokümanlar") ve açık kaynaklı Tesseract CLI aracı bulunur. Daha iyi doğruluk için — özellikle karmaşık düzenler, tablolar veya İngilizce olmayan metinlerle — ParseJet gibi özel bir araç OCR'ı otomatik olarak uygular ve okuma sırasını korur.

2. PDF'de kopya koruması etkin

PDF oluşturucular, özellikle metin seçimini ve kopyalamayı devre dışı bırakan güvenlik izinleri ayarlayabilir. Bu, yayınlanmış e-kitaplarda, "gizli" olarak işaretlenmiş kurumsal raporlarda, devlet yayınlarında ve JSTOR veya IEEE gibi ücretli veritabanlarından gelen belgelerde yaygındır.

Genellikle belgeyi ekranda okuyabilirsiniz — kısıtlama sadece kopyalama işlevini engeller. Bazı görüntüleyiciler bir kilit simgesi gösterir veya başlık çubuğunda "Güvenli" görüntüler.

Nasıl anlaşılır: Adobe Acrobat Reader'da Dosya → Özellikler → Güvenlik sekmesine gidin. "Belge Kısıtlama Özeti"ne bakın. "İçerik Kopyalama" "İzin Verilmiyor" gösteriyorsa, kopya koruması etkindir. Chrome'un PDF görüntüleyicisinde Ctrl+A'yı deneyin — hiçbir şey seçilmiyorsa, PDF kısıtlanmış olabilir.

Çözüm: İçeriğe yasal erişiminiz varsa (satın aldınız, yetkili kanallar aracılığıyla aldınız veya bu bir kamu devlet belgesidir), PDF'yi sunucu tarafında işleyen araçlar metni çıkarabilir. Google Dokümanlar genellikle çalışır — Drive'a yükleyin ve bir Google Doküman olarak açın. ParseJet da bunu halleder, çünkü PDF'yi istemci tarafı kısıtlamalarına uymak yerine kendi sunucusunda işler.

3. Metin vektör çizgileri olarak işlenmiş

Bu sinsi bir durum. Bazı PDF'ler mükemmel net ve profesyonel görünür, ancak "metin" aslında vektör şekillerden oluşur — her harfin dış çizgisini çizen, font karakterleri yerine eğriler ve yollar. Bu, bir tasarımcı Adobe Illustrator, InDesign veya Figma'dan "Metni çizgilere dönüştür" seçeneği etkin olarak (genellikle font lisans sorunlarından kaçınmak için yapılır) dışa aktardığında olur.

Sonuç ekranda gerçek metinle aynı görünür, ancak bilgisayar için her harf soyut bir çizimdir — küçük bir logo gibi. Seçilecek veya kopyalanacak karakter yoktur.

Nasıl anlaşılır: Bir karakter üzerinde %800+ yakınlaştırın. Gerçek metin mükemmel keskin kalır çünkü bir fonttan işlenir. Çizgiye dönüştürülmüş metin de keskin kalır (vektördür), ancak tek tek karakterleri seçemezsiniz — imleciniz tüm metin bloğunu tek bir nesne olarak seçer veya hiçbir şey seçmez. Başka bir işaret: Metin ağırlıklı bir belge için PDF dosya boyutu alışılmadık şekilde büyüktür, çünkü vektör çizgileri fontla işlenmiş metinden daha fazla yer kaplar.

Çözüm: Orijinal karakter verileri kaybolduğu için, metni kurtarmanın tek yolu OCR'dır. PDF'yi ParseJet veya Google Dokümanlar'a yükleyin — OCR motoru görsel şekilleri okur ve gerçek metin karakterleri çıktılar.

4. Özel font kodlaması metnin anlamsız karakterler olarak yapıştırılmasına neden olur

Bu, metin seçememekten farklıdır — burada, metni seçip kopyalayabilirsiniz, ancak yapıştırdığınızda çöp elde edersiniz: □□□□, "˙ˆ˜¯" gibi rastgele semboller veya tamamen yanlış karakterler. PDF ekranda iyi görünür çünkü görüntüleyici onu işlemek için gömülü fontu kullanır, ancak altta yatan karakter kodları standart değildir.

Bu, PDF oluşturucu özel bir kodlama tablosu kullanan bir fontun bir alt kümesini gömdüğünde olur. Karakter kodu 65'i "A" harfine (standart ASCII) eşlemek yerine, font kodu 65'i "Z" veya başka bir karaktere eşleyebilir. Görüntüleyici onu fontu kullanarak doğru şekilde işlemeyi bilir, ancak kopyala-yapıştır font bilgisini sıyırır ve size ham (yanlış) karakter kodlarını bırakır.

Nasıl anlaşılır: Bir satır metin seçin, Not Defteri veya herhangi bir düz metin düzenleyiciye yapıştırın. Sonuç okunamazsa — semboller, yanlış harfler veya boş kareler — suçlu kodlamadır.

Çözüm: Standart kopyala-yapıştır bunu çözemez çünkü sorun karakterlerin nasıl depolandığındadır. PDF'nin dahili font tablolarını analiz eden araçlar karakterleri standart kodlamaya geri eşleyebilir. ParseJet bunu çıkarma sırasında otomatik olarak yapar. Alternatif olarak, Adobe Acrobat Pro'nun "Metin Olarak Kaydet" işlevini deneyebilirsiniz, bu bazen kodlamayı kopyala-yapıştırdan daha iyi çözer.

5. Çok sütunlu düzen metin sırasını karıştırır

Bu teknik olarak "metin kopyalama çalışıyor" — ancak sonuç kullanılamaz. İki veya üç sütunlu PDF'lerde (akademik makalelerde, gazetelerde, dergilerde ve bültenlerde yaygın), imlecinizle metin seçmek, tüm sayfa genişliği boyunca soldan sağa metni alır. A sütununun 1. satırı, B sütununun 1. satırıyla birleştirilir, sonra A sütununun 2. satırı B sütununun 2. satırıyla birleştirilir, bu da değişen bir karmaşa yaratır.

Tablolar da aynı soruna sahiptir. Bir tabloyu seçip kopyaladığınızda, genellikle satır ve sütunlar arasında net bir ayrım olmadan, öngörülemeyen bir sırayla karıştırılmış hücre değerleri alırsınız.

Nasıl anlaşılır: Çok sütunlu bir alanda metin seçin, bir metin düzenleyiciye yapıştırın ve okuyun. Değişen satırlar sayfanın farklı bölümlerinden geliyor gibi görünüyorsa, sorun düzendir.

Çözüm: Sütunları algılayan ve her birini ayrı ayrı, sırayla okuyan bir araca ihtiyacınız var. Adobe Acrobat Pro'nun bir "Okuma Sırası" aracı var ancak manuel düzeltme gerektirir. ParseJet sütunları, tabloları ve okuma sırasını otomatik olarak algılar, metni doğru sırayla çıkarır.

6. PDF bozuk veya eksik

Bazen PDF dosyasının kendisi hasarlıdır — bir indirme sırasında kesilmiştir (dosya boyutu şüpheli şekilde küçüktür), hatalı yazılım tarafından oluşturulmuştur veya kısmen üzerine yazılmıştır. Görüntüleyici hala bazı veya tüm sayfaları görsel olarak işleyebilir, ancak dahili metin verileri eksik veya bozuktur, bu nedenle seçim ve kopyalama sessizce başarısız olur.

Nasıl anlaşılır: PDF'yi açarken uyarı mesajlarını kontrol edin ("Bu belge hasarlı olabilir"). Dosya boyutunu beklediğinizle karşılaştırın — sadece 50 KB olan 200 sayfalık bir rapor neredeyse kesinlikle bozuktur. Dosyayı farklı bir görüntüleyicide açmayı deneyin (Chrome vs Adobe vs Preview) — hepsi sorun yaşıyorsa, dosya hasarlıdır.

Çözüm: İlk olarak, dosyayı orijinal kaynaktan tekrar indirmeyi deneyin. Bu mümkün değilse, Google Chrome'da açmayı deneyin (nispeten toleranslı bir PDF işleyicisi vardır) ve oradan kopyalayın. Son çare olarak, ParseJet genellikle diğer araçların tamamen başarısız olmasına neden olan kısmen bozuk PDF'lerden metin çıkarabilir, çünkü standart bir PDF işleme hattına güvenmek yerine ham PDF bayt akışını işler.

Özet: belirli sorununuzu nasıl tanımlar ve çözersiniz

Hiç metin seçemiyorum → Büyük olasılıkla taranmış görüntü (#1), vektör çizgileri (#3) veya kopya koruması (#2). Önce Google Dokümanlar'ı deneyin (ücretsiz), sonra inatçı durumlar için ParseJet gibi özel bir araç.

Metin seçiliyor ama anlamsız karakterler olarak yapıştırılıyor → Özel font kodlaması (#4). Karakterleri yeniden eşlemek için ParseJet veya Adobe Acrobat Pro'nun "Metin Olarak Kaydet"ini kullanın.

Metin kopyalanıyor ama yanlış sırada → Çok sütunlu veya tablo düzeni (#5). ParseJet gibi düzen farkındalığı olan bir çıkarma aracı kullanın.

Dosya açılamıyor veya bazı sayfalar boş → Bozuk PDF (#6). Kaynaktan yeniden indirin veya kısmi bozulmayı işleyen ParseJet'i deneyin.