Was der Strukturvisualisierer zeigt
Laden Sie eine PDF hoch, und jede Seite wird mit farbigen Rahmen um jeden gefundenen Block gezeichnet: Überschriften auf drei Ebenen, Absätze, Listenpunkte und Bilder. Jeder Rahmen trägt eine Nummer, und die Liste neben der Seite wiederholt die Blöcke in dieser Reihenfolge, sodass Sie die Abfolge sehen, der ein Konverter oder ein Screenreader folgen würde.
Klicken Sie auf einen Rahmen oder einen Listeneintrag, um ihn an beiden Stellen hervorzuheben, und schalten Sie Blocktypen ein und aus, um sich auf eine Art von Element zu konzentrieren. Lesezeichen und, bei getaggten PDFs, die Struktur-Tags der ersten Seite werden ebenfalls aufgeführt. Wenn Sie eine bearbeitbare Kopie statt einer Karte brauchen, übernimmt PDF in Word die Konvertierung.
Wie Blöcke erkannt werden
| Element | So wird es erkannt |
|---|---|
| Überschriften | Kurze Blöcke, die deutlich größer als der Fließtext gesetzt sind. Die größte Größe wird Überschrift 1, die nächste Überschrift 2, dann Überschrift 3. Eine einzelne fette Zeile in Fließtextgröße gilt als kleine Überschrift. |
| Absätze | Zeilen gleicher Größe, die eng beieinander stehen und sich horizontal überlappen, werden zu einem Block verbunden; ein größerer Abstand oder ein Größenwechsel beginnt den nächsten. |
| Listenpunkte | Eine Zeile, die mit einem Aufzählungszeichen, einem Gedankenstrich, einer Zahl oder einem Buchstaben mit Punkt oder Klammer beginnt, wird zu einem eigenen Listenpunkt. |
| Bilder | Jedes auf der Seite gezeichnete Rasterbild, gemessen anhand der Zeichenanweisungen, sodass der Rahmen dem platzierten Bild entspricht und nicht der Datei darin. |
| Lesereihenfolge | Blöcke werden an der breitesten leeren Lücke geteilt, senkrechte Spaltenzwischenräume vor waagerechten Abständen, sodass zwei Spalten unter einem seitenbreiten Titel Spalte für Spalte gelesen werden. |
So visualisieren Sie die Struktur einer PDF
- Wählen Sie eine PDF aus. Die ersten zwanzig Seiten werden in Ihrem Browser gerendert und analysiert.
- Blättern Sie durch die Seiten. Die Legende zeigt, wie viele Blöcke jedes Typs gefunden wurden; klicken Sie auf einen Typ, um ihn aus- oder einzublenden.
- Klicken Sie auf einen Rahmen, um Text, Schriftgröße und Position in der Liste rechts zu sehen.
- Laden Sie das Ergebnis als JSON mit Begrenzungsrahmen herunter oder als Markdown-Gliederung mit Überschriften, Listenpunkten und Bildplatzhaltern.
Wann die Karte nützlich ist
Prüfen Sie vor der Konvertierung eines Berichts, ob seine Überschriften echte Überschriften sind und ob die Spalten in der richtigen Reihenfolge gelesen werden; sieht die Karte falsch aus, wird es das konvertierte Dokument auch. Bei gescannten Dokumenten bleibt die Karte leer, weil es keine Textebene gibt, und OCR PDF in Word ist das passende Werkzeug.
Die Markdown-Gliederung ist ein schneller Weg, aus einer PDF Notizen oder ein Inhaltsverzeichnis zu machen. Wenn der gesamte Text zählt und nicht nur sein Gerüst, überträgt PDF in Markdown auch den Fließtext.
Was Sie erwarten können
Die Erkennung arbeitet mit Geometrie und Schriftgrößen, nicht mit der Absicht des Autors. Ein großes Zitat wird als Überschrift bezeichnet, ein Absatz mit hängendem Einzug kann in zwei zerfallen, und Tabellen erscheinen als mehrere Absätze oder Listenpunkte statt als Raster. Vektorgrafiken wie Diagramme werden nicht umrahmt, nur Rasterbilder.
Passwortgeschützte PDFs lassen sich hier nicht öffnen; nutzen Sie zuerst PDF entsperren. Struktur-Tags werden aus der Datei gelesen, wenn vorhanden, die Rahmen selbst aber aus der Seite berechnet, sodass auch ein ungetaggtes Dokument eine vollständige Karte erhält. Um Tagging und Archivkonformität formal zu prüfen, nutzen Sie den PDF/A-Validator.