PDF uz tekstu

Kā izgūt tekstu no PDF

1. Nometiet PDF failu nolaišanas zonā vai noklikšķiniet uz tās, lai to izvēlētos. Rīks parāda faila nosaukumu, lappušu skaitu un izmēru.
2. Ja vēlaties, laukā Lappuses (neobligāti) ierakstiet lasāmās lappuses, piemēram, 1-3, 5 vai 8-. Atstājiet lauku tukšu, lai izgūtu visas lappuses.
3. Izvēlieties Lasīšanas secība: Tā, kā saglabāts failā (vislabāk kolonnām) vai No augšas uz leju, no kreisās uz labo.
4. Atzīmējiet vai noņemiet atzīmi pie Pievienot lappušu atdalītājus un Saglabāt rindu pārtraukumus.
5. Noklikšķiniet uz Izgūt tekstu. Gariem dokumentiem progress tiek rādīts pa lappusēm; Stop pārtrauc darbu agrāk un patur jau nolasītās lappuses.
6. Pārbaudiet lappušu, vārdu, rakstzīmju un rindu skaitu, pēc tam noklikšķiniet uz Kopēt vai Lejupielādēt .txt.

Abas izvēles rūtiņas var mainīt arī pēc izgūšanas: teksts tiek pārformatēts uzreiz, failu atkārtoti nelasot.

Teksta slānis vai skenēta lappuse?

PDF, ko izveidojusi teksta apstrādes programma, izklājlapa vai komanda „Saglabāt kā PDF“, satur teksta slāni: īstas rakstzīmes ar fontu un novietojumu. Šis rīks nolasa šo slāni ar PDF.js, tāpēc rezultāts ir precīzs, un burti ar diakritiskajām zīmēm, ligatūras un simboli tiek saglabāti.

Skenēts PDF ir citādāks: katra lappuse ir tikai papīra fotogrāfija, un lasāma teksta tajā nav. Ja izvēlētajā lappusē nav teksta, bet ir attēls, rīks to paziņo un nosauc attiecīgās lappuses. OCR (optiskā rakstzīmju atpazīšana) nav iekļauta: skenēto lappušu tekstu šeit izgūt nevar. Lappuses bez teksta un bez attēliem tiek atzīmētas kā tukšas.

Lasīšanas secība un izkārtojums

PDF glabā teksta fragmentus ar koordinātām, nevis rindkopas. Rīks atjauno rindas no fragmentiem, kuriem ir kopēja pamatlīnija, pievieno atstarpi tur, kur ir redzams atstatums, un atstāj tukšu rindu, kur vertikālais atstatums ir liels, – parasti tā atdalās rindkopas.

• Tā, kā saglabāts failā (vislabāk kolonnām) seko secībai, kādā programma tekstu ierakstīja. Lielākajai daļai dokumentu, tostarp divu kolonnu rakstiem, tā ir dabiskā lasīšanas secība.
• No augšas uz leju, no kreisās uz labo kārto pēc novietojuma lappusē. Izmēģiniet to, ja pirmā opcija dod jauktu tekstu; ņemiet vērā, ka šajā secībā teksts tiek lasīts taisni pāri kolonnām.

Ar Pievienot lappušu atdalītājus katra lappuse sākas ar rindu, piemēram, --- 3. lappuse ---, kas ērti noder citēšanai vai fragmenta pārbaudei.

Rindu savienošana rindkopās

Ja Saglabāt rindu pārtraukumus ir atzīmēts, katra PDF rinda paliek atsevišķa teksta rinda. Noņemiet atzīmi, lai katras rindkopas rindas savienotu vienā; tas ir labāk, ja tekstu ielīmēsiet dokumentā vai tulkotājā. Vārds, kas rindas beigās pārnests ar defisi, piemēram, „pār-“ + „nesums“, tiek atjaunots, ja nākamā rinda sākas ar mazo burtu. Ierobežojums: salikts vārds, kas gadījumā pārtrūkst pie savas defises („e-pasts“ kā „e-“ + „pasts“), šo defisi zaudē, tāpēc svarīgus fragmentus pārlasiet.

Privātums

PDF tiek nolasīts jūsu pārlūkprogrammā, jūsu ierīcē. Ne fails, ne izgūtais teksts netiek sūtīts uz serveri.