PDF в текст

Как да извлечете текст от PDF

1. Пуснете PDF файл в зоната за качване или щракнете върху нея, за да го изберете. Инструментът показва името, броя на страниците и размера на файла.
2. По желание въведете Страници (по избор), които да се прочетат, например 1-3, 5 или 8-. Оставете полето празно, за да се извлекат всички страници.
3. Изберете Ред на четене: Както е записан във файла (най-добре за колони) или Отгоре надолу, отляво надясно.
4. Отбележете или махнете отметката при Добави разделители между страниците и Запази нови редове.
5. Щракнете върху Извлечи текста. Дългите документи показват напредъка си страница по страница; Стоп прекъсва по-рано и запазва вече прочетените страници.
6. Проверете броя на страниците, думите, символите и редовете, после щракнете върху Копирай или Изтегли .txt.

Двете отметки могат да се променят и след извличането: текстът се преформатира веднага, без файлът да се чете наново.

Текстов слой или сканирана страница?

PDF, създаден от текстов редактор, електронна таблица или командата „Запиши като PDF“, съдържа текстов слой: истинските знаци заедно с шрифта и положението им. Този инструмент чете слоя с PDF.js, затова резултатът е точен, със запазени ударения, лигатури и символи.

Сканираният PDF е различен: всяка страница е само снимка на хартия и няма текст за четене. Когато избрана страница няма текст, но съдържа изображение, инструментът го казва и назовава засегнатите страници. OCR (оптично разпознаване на знаци) не е включено: текстът на сканирани страници не може да се извлече тук. Страниците без текст и без изображения се отчитат като празни.

Ред на четене и оформление

PDF съхранява парчета текст с координати, а не абзаци. Инструментът възстановява редовете от парчета с обща базова линия, добавя интервал там, където има видима разлика, и оставя празен ред там, където вертикалното разстояние е голямо, което обикновено разделя абзаците.

• Както е записан във файла (най-добре за колони) следва реда, в който създаващият софтуер е записал текста. При повечето документи, включително статии на две колони, това е естественият ред на четене.
• Отгоре надолу, отляво надясно подрежда по положение на страницата. Опитайте го, когато първият вариант дава разбъркан текст; имайте предвид, че чете направо през колоните.

С Добави разделители между страниците всяка страница започва с ред като --- Страница 3 ---, удобно за цитиране или проверка на откъс.

Слепване на редове в абзаци

При отметка на Запази нови редове всеки ред от PDF остава ред от текста. Махнете я, за да се слеят редовете на всеки абзац в един, което е по-добре за поставяне в документ или в преводач. Дума, пренесена с тире в края на реда, например „при-“ + „мер“, се съединява, когато следващият ред започва с малка буква. Ограничението: съставна дума, която случайно се пренася при собственото си тире („южно-“ + „африкански“), губи това тире, затова проверявайте важните откъси.

Поверителност

PDF файлът се чете от вашия браузър, на вашето устройство. Нито файлът, нито извлеченият текст се изпращат към сървър.