PDF у текст

Як витягти текст із PDF-файлу

1. Перетягніть PDF-файл у зону завантаження або натисніть на неї, щоб вибрати файл. Інструмент покаже назву файлу, кількість сторінок і розмір.
2. За бажання введіть у полі Сторінки (необов’язково) сторінки для читання, наприклад 1-3, 5 або 8-. Щоб витягти текст з усіх сторінок, залиште поле порожнім.
3. Виберіть Порядок читання: Як збережено у файлі (найкраще для колонок) або Згори вниз, зліва направо.
4. Позначте або зніміть позначки Додати розділювачі сторінок і Зберегти розриви рядків.
5. Натисніть Витягти текст. У довгих документах хід роботи показується посторінково; кнопка Зупинити завершує процес раніше й зберігає вже прочитані сторінки.
6. Перевірте кількість сторінок, слів, символів і рядків, а потім натисніть Копіювати або Завантажити .txt.

Обидва прапорці можна змінити й після витягування: текст миттєво переформатовується без повторного читання файлу.

Текстовий шар чи скан?

PDF-файл, створений текстовим редактором, електронною таблицею або командою «Зберегти як PDF», містить текстовий шар: справжні символи з їхнім шрифтом і положенням. Інструмент читає цей шар за допомогою PDF.js, тому результат точний: діакритичні знаки, лігатури й символи зберігаються.

Відсканований PDF-файл – інша річ: кожна сторінка є лише фотографією паперу, і тексту для читання немає. Якщо на вибраній сторінці немає тексту, але є зображення, інструмент повідомить про це й назве відповідні сторінки. OCR (оптичне розпізнавання символів) не передбачено: текст зі сканованих сторінок тут витягти не можна. Сторінки без тексту й без зображень позначаються як порожні.

Порядок читання і розмітка

PDF зберігає фрагменти тексту з координатами, а не абзаци. Інструмент відновлює рядки з фрагментів, що мають спільну базову лінію, додає пробіл там, де є помітний проміжок, і залишає порожній рядок там, де вертикальний проміжок великий: зазвичай так розділяються абзаци.

• Як збережено у файлі (найкраще для колонок) – порядок, у якому програма-автор записала текст. Для більшості документів, зокрема статей у дві колонки, це природний порядок читання.
• Згори вниз, зліва направо сортує за положенням на сторінці. Спробуйте цей варіант, якщо перший дає перемішаний текст; зверніть увагу, що він читає рядок упоперек колонок.

З опцією Додати розділювачі сторінок кожна сторінка починається з рядка на кшталт --- Сторінка 3 ---, що зручно для цитування чи перевірки фрагмента.

Об’єднання рядків в абзаци

Якщо позначено Зберегти розриви рядків, кожен рядок PDF залишається рядком тексту. Зніміть позначку, щоб з’єднати рядки кожного абзацу в один: так краще вставляти текст у документ або перекладач. Слово, розірване переносом наприкінці рядка, наприклад «при-» + «клад», з’єднується знову, якщо наступний рядок починається з малої літери. Обмеження: складне слово, яке випадково переноситься по власному дефісу («жовто-» + «гарячий»), втрачає цей дефіс, тому важливі фрагменти слід вичитати.

Конфіденційність

PDF-файл читається вашим браузером на вашому пристрої. Ні сам файл, ні витягнутий текст не надсилаються на сервер.