PDF во текст

Како да извлечам текст од PDF

1. Спуштете PDF датотека во зоната за спуштање или кликнете на неа за да изберете. Алатката го прикажува името, бројот на страници и големината.
2. По желба, внесете ги Страници (по желба) што се читаат, на пример 1-3, 5 или 8-. Оставете го полето празно за да се извлечат сите страници.
3. Изберете Редослед на читање: Како е зачувано во датотеката (најдобро за колони) или Одозгора надолу, од лево кон десно.
4. Штиклирајте или отштиклирајте Додај разделници меѓу страниците и Задржи прекини на редови.
5. Кликнете Извлечи текст. Долгите документи го прикажуваат напредокот страница по страница; Стоп запира предвреме и ги задржува веќе прочитаните страници.
6. Проверете го бројот на страници, зборови, знаци и редови, па кликнете Копирај или Преземи .txt.

Двете штиклирања можат да се менуваат и по извлекувањето: текстот веднаш се преформатира, без повторно читање на датотеката.

Текстуален слој или скенирана страница?

PDF создаден во програма за обработка на текст, во табеларна пресметка или со командата „Зачувај како PDF“ содржи текстуален слој: вистински знаци, со нивниот фонт и положба. Оваа алатка го чита тој слој со PDF.js, па резултатот е точен, со задржани акценти, лигатури и симболи.

Скениран PDF е поинаков: секоја страница е само фотографија од хартија и нема текст за читање. Кога избрана страница нема текст, но содржи слика, алатката го кажува тоа и ги именува засегнатите страници. OCR (оптичко препознавање знаци) не е вклучен: текстот од скенирани страници не може да се извлече овде. Страниците што немаат ни текст ни слики се пријавуваат како празни.

Редослед на читање и распоред

PDF чува парчиња текст со координати, а не параграфи. Алатката ги реконструира редовите од парчињата што делат иста основна линија, додава празно место каде што има видлив размак и остава празен ред каде што вертикалниот размак е голем, што обично ги одделува параграфите.

• Како е зачувано во датотеката (најдобро за колони) го следи редоследот по кој програмата што го создала документот го запишала текстот. За повеќето документи, вклучително статии во две колони, тоа е природниот редослед на читање.
• Одозгора надолу, од лево кон десно подредува според положбата на страницата. Пробајте го кога првата опција дава измешан текст; имајте предвид дека чита директно преку колоните.

Со Додај разделници меѓу страниците, секоја страница почнува со ред како --- Страница 3 ---, практично за цитирање или проверка на пасус.

Спојување редови во параграфи

Со штиклирано Задржи прекини на редови, секој ред од PDF-от останува ред во текстот. Отштиклирајте го за да се споат редовите на секој параграф во еден, што е подобро за залепување во документ или во преведувач. Збор пренесен со цртичка на крајот на редот, како „при-“ + „мер“, повторно се спојува кога следниот ред почнува со мала буква. Ограничување: сложен збор што случајно се прекинува на сопствената цртичка („црвено-“ + „бел“) ја губи таа цртичка, па важните пасуси прочитајте ги внимателно.

Приватност

PDF-от го чита вашиот прелистувач, на вашиот уред. Ниту датотеката ниту извлечениот текст се испраќаат на сервер.