Kurz gesagt
Ob Text erfolgreich extrahiert werden kann, hängt davon ab, ob das PDF textbasiert oder gescannt ist.
Text-PDF und Scan unterscheiden
- Textbasiertes PDF: Textebene kann direkt geparst werden
- Gescanntes PDF: Erfordert zuerst OCR-Erkennung
Die Reihenfolge von Extraktion und Übersetzung
- PDF-Typ bestimmen
- Textinhalt extrahieren oder erkennen
- Übersetzungsprozess in der Textebene durchführen
Tabellen und mehrspaltiger Satz
- Tabellen und mehrspaltige Inhalte müssen separat verarbeitet werden
- Die Extraktionsreihenfolge beeinflusst die Übersetzungsqualität
Verwandte Werkzeuge
Fazit
Die korrekte Identifizierung des PDF-Typs ist die Voraussetzung für eine qualitativ hochwertige Übersetzung.