Utilia
Kategorier ▾
Sprog: da ▾

PDF til tekst

Udtræk teksten i en PDF i din browser, side for side, med linjeskift og sideskift. Kopiér den, eller download den som .txt-fil.

Lad feltet stå tomt for alle sider, eller skriv sider og intervaller som 1-3, 5, 8-.

Fjern fluebenet for at sætte hvert afsnits linjer sammen og samle ord, der er delt med bindestreg i slutningen af en linje.

Sådan udtrækker du tekst fra en PDF

  1. Slip en PDF-fil på feltet, eller klik på det for at vælge en. Værktøjet viser filens navn, antal sider og størrelse.
  2. Skriv eventuelt de Sider (valgfrit), der skal læses, fx 1-3, 5 eller 8-. Lad feltet stå tomt for at udtrække alle sider.
  3. Vælg Læserækkefølge: Som gemt i filen (bedst til spalter) eller Oppefra og ned, fra venstre mod højre.
  4. Sæt eller fjern kryds ved Tilføj sideskift og Behold linjeskift.
  5. Klik på Udtræk tekst. Lange dokumenter viser fremdriften side for side; Stop afbryder tidligt og beholder de sider, der allerede er læst.
  6. Tjek optællingen af sider, ord, tegn og linjer, og klik derefter på Kopiér eller Download .txt.

De to afkrydsningsfelter kan ændres efter udtrækningen: Teksten formateres straks om, uden at filen læses igen.

Tekstlag eller scannet side?

En PDF, der er lavet i et tekstbehandlingsprogram, et regneark eller med kommandoen »Gem som PDF«, indeholder et tekstlag: de rigtige tegn med skrifttype og placering. Værktøjet læser dette lag med PDF.js, så resultatet er nøjagtigt, med bogstaver som æ, ø og å, ligaturer og symboler intakte.

En scannet PDF er anderledes: Hver side er blot et foto af papir, og der er ingen tekst at læse. Når en valgt side ikke har tekst, men indeholder et billede, siger værktøjet det og nævner de berørte sider. OCR (optisk tegngenkendelse) er ikke inkluderet: Teksten på scannede sider kan ikke udtrækkes her. Sider uden hverken tekst eller billeder meldes som tomme.

Læserækkefølge og layout

En PDF gemmer tekststykker med koordinater, ikke afsnit. Værktøjet genopbygger linjer ud fra stykker, der har samme grundlinje, sætter et mellemrum, hvor der er et synligt hul, og lader en tom linje stå, hvor den lodrette afstand er stor, hvilket som regel adskiller afsnit.

  • Som gemt i filen (bedst til spalter) følger den rækkefølge, som det program, der lavede filen, skrev teksten i. For de fleste dokumenter, også artikler med to spalter, er det den naturlige læserækkefølge.
  • Oppefra og ned, fra venstre mod højre sorterer efter placering på siden. Prøv den, hvis den første indstilling giver rodet tekst; bemærk, at den læser lige på tværs af spalter.

Med Tilføj sideskift begynder hver side med en linje som --- Side 3 ---, praktisk når du skal henvise til eller kontrollere en passage.

Sæt linjer sammen til afsnit

Når Behold linjeskift er afkrydset, forbliver hver linje i PDF-filen en linje i teksten. Fjern fluebenet for at sætte hvert afsnits linjer sammen til én, hvilket er bedre, hvis teksten skal indsættes i et dokument eller en oversættelsestjeneste. Et ord, der er delt med bindestreg i slutningen af en linje, som »eksem-« + »pel«, samles igen, når næste linje begynder med et lille bogstav. Begrænsningen: Et sammensat ord, der tilfældigvis brydes ved sin egen bindestreg (»e-« + »mail«), mister den bindestreg, så korrekturlæs vigtige passager.

Privatliv

PDF-filen læses af din browser, på din enhed. Hverken filen eller den udtrukne tekst sendes til en server.

Ofte stillede spørgsmål

Hvorfor er den udtrukne tekst tom?

Siderne er sandsynligvis scannede billeder uden tekstlag. Værktøjet fortæller, hvilke sider der ligner scanninger. Det kan ikke udføre OCR, så til de sider skal du bruge et program til tekstgenkendelse.

Kan jeg udtrække tekst fra en PDF med adgangskode?

Ikke, så længe den er låst. Filer, der kun begrænser kopiering eller udskrivning, åbnes normalt; filer, der kræver adgangskode for at kunne åbnes, skal først låses op med adgangskoden.

Hvorfor hænger nogle ord sammen eller er delt?

Nogle PDF-filer placerer hvert bogstav eller ord for sig med usædvanlig afstand. Værktøjet gætter mellemrum ud fra hullerne mellem tekststykkerne; prøv den anden Læserækkefølge, hvis linjerne blandes sammen.

Bevares formateringen?

Nej. Resultatet er ren tekst: Fed skrift, skrifttyper, farver, tabeller og billeder bevares ikke, kun ordene, linjeskiftene og afsnittene.

Hvordan henter jeg teksten fra en enkelt side?

Skriv dens nummer i Sider (valgfrit), fx 4, og klik derefter på Udtræk tekst.

Relaterede værktøjer