PDF to Text

Paano kunin ang text mula sa PDF

1. I-drop ang isang PDF file sa drop zone, o i-click ito para pumili. Ipapakita ng tool ang pangalan, bilang ng page, at laki nito.
2. Kung gusto mo, i-type ang Mga page (opsyonal) na babasahin, gaya ng 1-3, 5 o 8-. Iwanang walang laman ang field para kunin ang lahat ng page.
3. Piliin ang Pagkakasunod-sunod ng pagbasa: Ayon sa pagkakaimbak sa file (pinakamainam para sa mga column) o Mula itaas pababa, kaliwa pakanan.
4. Lagyan o alisan ng tsek ang Maglagay ng pamagat ng page at Panatilihin ang mga line break.
5. I-click ang Kunin ang text. Ipapakita ng mahahabang dokumento ang progreso page por page; tinatapos nang maaga ng Ihinto ang proseso at itinatago ang mga page na nabasa na.
6. Tingnan ang bilang ng mga page, salita, character, at linya, saka i-click ang Kopyahin o I-download ang .txt.

Mababago pa ang dalawang checkbox pagkatapos kunin ang text: agad na ire-reformat ang text, nang hindi binabasa muli ang file.

Text layer o na-scan na page?

Ang PDF na ginawa ng word processor, spreadsheet, o ng command na “Save as PDF” ay may text layer: ang totoong mga character, kasama ang font at posisyon ng mga ito. Binabasa ng tool na ito ang layer na iyon gamit ang PDF.js, kaya eksakto ang resulta, buo ang mga accent, ligature, at simbolo.

Iba ang na-scan na PDF: litrato lang ng papel ang bawat page, at walang text na mababasa. Kapag ang napiling page ay walang text pero may larawan, sasabihin ito ng tool at babanggitin ang mga page na apektado. Hindi kasama ang OCR (optical character recognition): hindi makukuha rito ang text ng mga na-scan na page. Iuulat na blangko ang mga page na walang text at walang larawan.

Pagkakasunod-sunod ng pagbasa at layout

Mga piraso ng text na may coordinate ang iniimbak ng PDF, hindi mga talata. Binubuo ng tool ang mga linya mula sa mga piraso na may iisang baseline, nagdaragdag ng espasyo kung may nakikitang puwang, at nag-iiwan ng bakanteng linya kung malaki ang patayong puwang, na karaniwang naghihiwalay sa mga talata.

• Sinusunod ng Ayon sa pagkakaimbak sa file (pinakamainam para sa mga column) ang pagkakasunod-sunod kung paano isinulat ng software ang text. Para sa karamihan ng dokumento, kasama ang mga artikulong may dalawang column, ito ang natural na pagkakasunod-sunod ng pagbasa.
• Inaayos ng Mula itaas pababa, kaliwa pakanan ang text ayon sa posisyon sa page. Subukan ito kapag magulo ang text mula sa unang opsyon; tandaan na tuloy-tuloy nitong binabasa ang mga column mula kaliwa hanggang kanan.

Sa Maglagay ng pamagat ng page, magsisimula ang bawat page sa linyang gaya ng --- Page 3 ---, na madaling gamitin sa pagsipi o pag-check ng isang talata.

Pagdudugtong ng mga linya bilang talata

Kapag may tsek ang Panatilihin ang mga line break, nananatiling isang linya ng text ang bawat linya ng PDF. Alisin ang tsek para pagdugtungin ang mga linya ng bawat talata sa isa, na mas maganda kapag ipa-paste sa dokumento o sa translator. Ibinabalik sa isang salita ang salitang pinutol ng gitling sa dulo ng linya, gaya ng “exam-” + “ple”, kapag maliit na titik ang simula ng sumunod na linya. Ang limitasyon: mawawalan ng gitling ang tambalang salitang nagkataong naputol sa sarili nitong gitling (“well-” + “known”), kaya basahing mabuti ang mahahalagang talata.

Privacy

Binabasa ng iyong browser, sa iyong device, ang PDF. Hindi ipinapadala sa server ang file o ang nakuhang text.