PDF til tekst

Slik henter du ut tekst fra en PDF

1. Slipp en PDF-fil i opplastingsfeltet, eller klikk på det for å velge en. Verktøyet viser navnet, antall sider og størrelsen.
2. Hvis du vil, kan du skrive inn Sider (valgfritt) som skal leses, for eksempel 1-3, 5 eller 8-. La feltet stå tomt for å hente ut alle sidene.
3. Velg Leserekkefølge: Slik den er lagret i filen (best for spalter) eller Ovenfra og ned, fra venstre til høyre.
4. Kryss av eller fjern avkrysningen for Legg til sideskillere og Behold linjeskift.
5. Klikk Hent ut tekst. Lange dokumenter viser fremdriften side for side, og Stopp avslutter tidlig og beholder sidene som allerede er lest.
6. Sjekk antall sider, ord, tegn og linjer, og klikk deretter Kopier eller Last ned .txt.

De to avkrysningsboksene kan endres etter uthentingen: teksten formateres om umiddelbart, uten at filen leses på nytt.

Tekstlag eller skannet side?

En PDF som er laget i et tekstbehandlingsprogram, et regneark eller med «Lagre som PDF», inneholder et tekstlag: de egentlige tegnene, med skrifttype og plassering. Dette verktøyet leser det laget med PDF.js, så resultatet er nøyaktig, med aksenter, ligaturer og symboler intakt.

En skannet PDF er annerledes: hver side er bare et bilde av papir, og det finnes ingen tekst å lese. Når en valgt side ikke har tekst, men inneholder et bilde, sier verktøyet fra om det og nevner sidene det gjelder. OCR (optisk tegngjenkjenning) er ikke med: teksten på skannede sider kan ikke hentes ut her. Sider uten verken tekst eller bilder meldes som tomme.

Leserekkefølge og oppsett

En PDF lagrer tekstbiter med koordinater, ikke avsnitt. Verktøyet bygger opp linjer av biter som ligger på samme grunnlinje, setter inn et mellomrom der det er et synlig gap, og lar det stå en tom linje der det loddrette gapet er stort, noe som vanligvis skiller avsnitt.

• Slik den er lagret i filen (best for spalter) følger rekkefølgen programmet som laget filen, skrev teksten i. For de fleste dokumenter, også artikler med to spalter, er dette den naturlige leserekkefølgen.
• Ovenfra og ned, fra venstre til høyre sorterer etter plassering på siden. Prøv den hvis det første alternativet gir rotete tekst, men husk at den leser rett på tvers av spaltene.

Med Legg til sideskillere begynner hver side med en linje som --- Side 3 ---, praktisk når du skal sitere eller kontrollere en passasje.

Slå sammen linjer til avsnitt

Når Behold linjeskift er avkrysset, blir hver linje i PDF-en stående som en linje i teksten. Fjern avkrysningen for å slå sammen linjene i hvert avsnitt til én, noe som er bedre når du skal lime inn i et dokument eller en oversetter. Et ord som er delt med bindestrek på slutten av en linje, for eksempel «eksem-» + «pel», settes sammen igjen når neste linje begynner med liten bokstav. Begrensningen: et sammensatt ord som tilfeldigvis brytes ved sin egen bindestrek («nord-» + «norsk»), mister bindestreken, så les viktige passasjer gjennom.

Personvern

PDF-en leses av nettleseren din, på enheten din. Verken filen eller den uthentede teksten sendes til en server.