Utilia
Kategoriat ▾
Kieli: fi ▾

PDF tekstiksi

Pura PDF-tiedoston teksti selaimessasi sivu kerrallaan rivinvaihtojen ja sivuerottimien kanssa. Kopioi teksti tai lataa se .txt-tiedostona.

Jätä tyhjäksi, jos haluat kaikki sivut, tai kirjoita sivuja ja sivualueita, esimerkiksi 1-3, 5, 8-.

Poista valinta, jos haluat yhdistää kappaleen rivit ja liittää yhteen rivin lopussa tavutetut sanat.

Tekstin poimiminen PDF-tiedostosta

  1. Pudota PDF-tiedosto pudotusalueelle tai napsauta aluetta ja valitse tiedosto. Työkalu näyttää tiedoston nimen, sivumäärän ja koon.
  2. Halutessasi kirjoita luettavat Sivut (valinnainen), esimerkiksi 1-3, 5 tai 8-. Jätä kenttä tyhjäksi, jos haluat poimia kaikki sivut.
  3. Valitse Lukujärjestys: Tiedostoon tallennetussa järjestyksessä (paras palstoille) tai Ylhäältä alas, vasemmalta oikealle.
  4. Valitse tai poista valinta kohdista Lisää sivuerottimet ja Säilytä rivinvaihdot.
  5. Napsauta Poimi teksti. Pitkissä asiakirjoissa edistyminen näkyy sivu kerrallaan, ja Pysäytä lopettaa aikaisemmin ja säilyttää jo luetut sivut.
  6. Tarkista sivujen, sanojen, merkkien ja rivien määrät ja napsauta sitten Kopioi tai Lataa .txt.

Kumpaakin valintaruutua voi muuttaa poiminnan jälkeen: teksti muotoillaan heti uudelleen lukematta tiedostoa uudestaan.

Tekstikerros vai skannattu sivu?

Tekstinkäsittelyohjelmalla, taulukkolaskennalla tai ”Tallenna PDF-tiedostona” -komennolla luotu PDF sisältää tekstikerroksen: oikeat merkit fontteineen ja sijainteineen. Tämä työkalu lukee kerroksen PDF.js-kirjastolla, joten tulos on tarkka ja ääkköset, ligatuurit ja erikoismerkit säilyvät.

Skannattu PDF on toisenlainen: jokainen sivu on vain valokuva paperista, eikä luettavaa tekstiä ole. Kun valitulla sivulla ei ole tekstiä mutta siinä on kuva, työkalu kertoo asiasta ja nimeää kyseiset sivut. Tekstintunnistusta (OCR) ei ole mukana: skannattujen sivujen tekstiä ei voi poimia tässä. Sivut, joilla ei ole tekstiä eikä kuvia, ilmoitetaan tyhjinä.

Lukujärjestys ja asettelu

PDF tallentaa tekstinpätkiä koordinaatteineen, ei kappaleita. Työkalu rakentaa rivit pätkistä, joilla on yhteinen peruslinja, lisää välilyönnin näkyvän raon kohdalle ja jättää tyhjän rivin, kun pystysuuntainen väli on suuri, mikä yleensä erottaa kappaleet.

  • Tiedostoon tallennetussa järjestyksessä (paras palstoille) noudattaa järjestystä, jossa tiedoston tuottanut ohjelma kirjoitti tekstin. Useimmissa asiakirjoissa, myös kaksipalstaisissa artikkeleissa, tämä on luonteva lukujärjestys.
  • Ylhäältä alas, vasemmalta oikealle lajittelee tekstin sivun sijainnin mukaan. Kokeile sitä, jos ensimmäinen vaihtoehto tuottaa sekavaa tekstiä. Huomaa, että se lukee palstojen poikki.

Lisää sivuerottimet -valinnalla jokainen sivu alkaa rivillä, kuten --- Sivu 3 ---, mikä helpottaa lainaamista ja kohdan tarkistamista.

Rivien yhdistäminen kappaleiksi

Kun Säilytä rivinvaihdot on valittuna, jokainen PDF-tiedoston rivi pysyy omana rivinään. Poista valinta, niin kunkin kappaleen rivit yhdistetään yhdeksi, mikä sopii paremmin liitettäväksi asiakirjaan tai käännösohjelmaan. Rivin lopussa tavuviivalla katkaistu sana, kuten ”esi-” + ”merkki”, liitetään yhteen, kun seuraava rivi alkaa pienellä kirjaimella. Rajoitus: yhdyssana, joka sattuu katkeamaan omasta yhdysmerkistään (”kahvi-” + ”kuppi” -tyyppiset tapaukset, joissa viiva kuuluu sanaan), menettää viivan, joten tarkista tärkeät kohdat.

Yksityisyys

Selaimesi lukee PDF-tiedoston omalla laitteellasi. Tiedostoa ja poimittua tekstiä ei lähetetä palvelimelle.

Usein kysytyt kysymykset

Miksi poimittu teksti on tyhjä?

Sivut ovat todennäköisesti skannattuja kuvia, joissa ei ole tekstikerrosta. Työkalu kertoo, mitkä sivut näyttävät skannatuilta. Se ei tee tekstintunnistusta, joten näihin sivuihin tarvitset erillisen tekstintunnistusohjelman.

Voinko poimia tekstin salasanasuojatusta PDF-tiedostosta?

Et, kun se on lukittu. Tiedostot, joissa on vain kopioinnin tai tulostuksen rajoitus, aukeavat normaalisti. Tiedostot, jotka pyytävät salasanaa avattaessa, on ensin avattava salasanalla.

Miksi jotkin sanat ovat kiinni toisissaan tai katkeavat?

Joissakin PDF-tiedostoissa jokainen kirjain tai sana on sijoitettu erikseen epätavallisin välein. Työkalu arvaa välilyönnit tekstipätkien väleistä. Kokeile toista Lukujärjestystä, jos rivit menevät sekaisin.

Säilyykö muotoilu?

Ei. Tulos on pelkkää tekstiä: lihavointi, fontit, värit, taulukot ja kuvat eivät säily, vain sanat, rivinvaihdot ja kappaleet.

Miten saan yhden sivun tekstin?

Kirjoita sivun numero kenttään Sivut (valinnainen), esimerkiksi 4, ja napsauta Poimi teksti.

Aiheeseen liittyvät työkalut