estrazione testo da pdf

[ndin]

Salve a tutti. Per un lavoro ho bisogno di estrarre con precisione il testo da un lungo (250 pp) pdf con tabelle e disegni tecnici. Devo conteggiare con esattezza le parole per fare un preventivo di traduzione. Hp provato con una semplice estrazione del testo, ma è molto imprecisa. Ho creato uno script con automator per estrarre il testo ed avere un rtf, ma anche qui è impreciso.
Fra la miriade di " pdf to word" cosa mi consigliate. Devo pagare questo sw e costano anche un po'. Ho provato wondershare e non è male. Ma vorrei un parere da chi ha provato altre soluzioni. Grazie.

[Crystal67]

Io con Acrobat X ho fatto una prova di "registra con nome... Microsoft word" e ha salvato tutto senza problemi se non di font che non credo ti crei problemi per le tue esigenze, nel mio pdf non avevo tabelle e grafici.

[Susanna]

Non so se ho capito bene e se puo' fare al caso tuo..

Skim

copio incollo da Tuttologia:

..."Inoltre, funzione molto interessante, è possibile selezionare e copiare porzioni di testo dal documento PDF.
Il documento così editato può essere salvato nel formato di Skim oppure a sua volta esportato in formato PDF.
In aggiunta a tutto questo, Skim comprende tutte le funzionalità di un PDF Reader, compresa la possibilità di aggiungere bookmarks alle pagine per un richiamo immediato"

http://www.tuttologia.com/freeware/Skim-pdf.html" onclick="window.open(this.href);return false;

Ciao

[ndin]

Grazie per i suggerimenti. Uso Skim da anni e fa quel che dici, ma dovrei selezionare il testo a manina. Ci metterei giorni. E non vale la pena per un preventivo, che sto già ritardando.
Quanto ad Acrobat, so che funziona, ma non l'ho mai provato con le tabelle. E siccome costa significativamente di più di altri, cercavo soluzioni più a portata di freelance squattrinato.
Grazie ancora.

[Curzio]

In ogni caso, preparati ad un paziente lavoro di ripulitura del testo in word (o altro) perché ogni estrazione da pdf non è mai agevole e il testo risulta sempre "sporco"; a meno che non te lo salvi in .txt, ma poi perdi tabelle ecc. per avere il solo testo nudo. Però se è solo per una traduzione, e poi non devi reimpaginarlo in dtp, non dovrebbe farti molta differenza.

[mauripucci]

di gratuito conosco questo http://www.sciweavers.org/pdf2x" onclick="window.open(this.href);return false; (on line), elimina tutte le immagini se scegli "PDF to Text"
ma... saltano tutte le ultime lettere accentate (credo che faccia più o meno come automator);

come già detto sopra "ogni estrazione da pdf non è mai agevole e il testo risulta sempre "sporco"..."

ho provato anche https://www.imaccanici.org/article.php/PDFOCRX" onclick="window.open(this.href);return false; ma anche codesto non fa il lavoro "pulito"...

poi c'è sempre la soluzione: ricopiarti il solo testo da Anteprima...

PERTANTO LA COSA PIU' INTELLIGENTE E PULITA SEMBRA ESSRE QUELLA SUGGERITA DA Crystal67:
con Acrobat X ho fatto una prova di "registra con nome... Microsoft word" e ha salvato tutto senza problemi
PS: io ho fatto una prova con "registra come testo" e... il tutto ha funzionato...

[Crystal67]

Ps se non hai acrobat me lo giri e te lo rimando, l'operazione ho visto che è velocissima.

[ndin]

Direi che Acrobat è la soluzione migliore, a questo punto. Il testo semplice mi fa perdere le formattazioni e quindi è un macello scorporare le cifre dal testo nelle tabelle per fare un conto preventivo del lavoro.
Crystal, ti ringrazio della gentilezza. Hai mp.

[Nelson]

Su vostro consiglio sto provando Skim, una cosa che non riesco a fare è evidenziare una parte di testo

[mauropasha]

Con il nuovo anteprima ormai skim, per me, è obsoleto.

viewtopic.php?f=5&t=19025&start=15#p182073" onclick="window.open(this.href);return false;
viewtopic.php?f=5&t=19025&start=15#p182104" onclick="window.open(this.href);return false;

Ah..., bentornato, Nelson

[ndin]

Con il nuovo anteprima ormai skim, per me, è obsoleto.

viewtopic.php?f=5&t=19025&start=15#p182073" onclick="window.open(this.href);return false;
viewtopic.php?f=5&t=19025&start=15#p182104" onclick="window.open(this.href);return false;

Ah..., bentornato, Nelson

Concordo in parte. Skim permette di lavorare anche su pdf non ocr. ma in, risposta a Nelson, non permette in quei casi di evidenziare il testo.

[Nelson]

Con il nuovo anteprima ormai skim, per me, è obsoleto.

viewtopic.php?f=5&t=19025&start=15#p182073" onclick="window.open(this.href);return false;
viewtopic.php?f=5&t=19025&start=15#p182104" onclick="window.open(this.href);return false;

Ah..., bentornato, Nelson

Io userei Anteprima Lion se si potesse fare

[mauropasha]

....Skim permette di lavorare anche su pdf non ocr...

e chi sono?

[ndin]

Sono quelli scansionati ma il cui testo non è indicizzabile. Ovvero sono delle immagini in formato pdf.

[mauropasha]

Ah, ok... ocr (optical character recognition)... leggevo ocr, ma pensavo a CNR... come sto frecato!
Vabbé, come magra consolazione per la "frecatura", posso dire che non li ho mai usati.