PDF → Ekstrakcja tekstu

Wyodrębnij cały czytelny tekst z PDF. Pobierz jako plik .txt. Wszystko pozostaje w przeglądarce, żaden plik nie jest wysyłany na serwer.

Jak działa PDF do tekstu

PDF na tekst wyodrębnia istniejącą warstwę tekstową z PDF i zapisuje ją jako zwykły plik .txt. Wyodrębnianie jest wykonywane przez pdf.js wewnątrz przeglądarki, który czyta obiekty treści tekstowej osadzone w strumieniach stron PDF. Dokument nigdy nie opuszcza Twojego urządzenia; wynik jest składany lokalnie i oferowany jako bezpośrednie pobieranie.

To narzędzie czyta warstwę tekstową, która już istnieje w pliku. Jeśli Twój PDF został stworzony przez edytor tekstu lub narzędzie eksportujące, prawie na pewno ma warstwę tekstową i wyodrębnianie będzie działać dobrze. Jeśli PDF jest skanem dokumentu papierowego, strony zawierają tylko dane obrazu i nie ma warstwy tekstowej do wyodrębnienia; w takim przypadku to narzędzie zwróci pusty lub niekompletny wynik. Zeskanowane PDF-y wymagają optycznego rozpoznawania znaków (OCR) do produkcji tekstu, co jest osobnym procesem niewykonywanym przez to narzędzie. Przed użyciem narzędzia sprawdź, czy Twój PDF ma możliwy do zaznaczenia tekst w przeglądarce.

Napisał Bastien Sulyan

PDF do tekstu: instrukcja krok po kroku

Załaduj plik PDF do narzędzia do wyodrębniania tekstu.
Poczekaj, aż pdf.js odczyta warstwę tekstową ze wszystkich stron.
Przejrzyj podgląd wyodrębnionego tekstu.
Kliknij pobierz, aby zapisać plik .txt.

Typowe zastosowania

Wyodrębnij tekst z PDF artykułu naukowego, aby wklejać go do aplikacji do robienia notatek lub przepuścić przez narzędzie do streszczania.
Pobierz treść faktury PDF do arkusza kalkulacyjnego do księgowości bez ręcznego przepisywania.
Odzyskaj tekst z uszkodzonego lub zablokowanego układem PDF, gdzie kopiowanie i wklejanie w przeglądarce jest zepsute.
Przekonwertuj artykuł PDF na zwykły tekst do przetworzenia skryptem lub narzędziem wiersza poleceń.

Często zadawane pytania

Dlaczego wyodrębniony tekst jest pusty lub nieczytelny dla niektórych PDF-ów?

Najczęstszym powodem jest to, że PDF jest skanem: strony to obrazy i nie zawierają warstwy tekstowej. Inne przyczyny to PDF-y, w których tekst jest zapisany jako kontury lub niestandardowe kodowania czcionek, których pdf.js nie może przetłumaczyć na czytelne znaki. W przypadku zeskanowanych dokumentów do produkcji tekstu potrzebne jest OCR.

Czy to narzędzie wykonuje OCR na zeskanowanych PDF-ach?

Nie. To narzędzie czyta istniejącą warstwę tekstową z PDF. Nie wykonuje optycznego rozpoznawania znaków. W przypadku zeskanowanych PDF-ów użyj narzędzia OCR, które przesyła obrazy stron przez lokalny silnik OCR w przeglądarce.

Czy wyodrębnianie tekstu odbywa się na serwerze czy w przeglądarce?

W przeglądarce. pdf.js czyta strukturę PDF lokalnie, analizuje obiekty treści tekstowej z każdego strumienia stron i składa wynik w pamięci przeglądarki. Dane PDF w żadnym momencie nie opuszczają Twojego urządzenia podczas tego procesu.

Czy formatowanie i układ będą zachowane w wyjściu tekstowym?

Nie. Zwykły tekst nie zawiera informacji o czcionce, rozmiarze, kolorze ani położeniu. Wynik to niesformatowany tekst w kolejności czytania ustalonej przez pdf.js. Tabele, układy wielokolumnowe i specjalne formatowanie są spłaszczone. Do zachowania bogatego układu lepiej nadają się konwertery PDF do HTML.

Czy mogę wyodrębniać tekst z PDF chronionego hasłem?

Jeśli PDF ma hasło otwarcia dla użytkownika, musisz je podać, aby PDF był w ogóle czytelny. Ograniczenia wyodrębniania na poziomie właściciela mogą również blokować operację. Najpierw usuń te ograniczenia za pomocą narzędzia PDF Unlock, a następnie ponów próbę wyodrębniania.

Czy muszę założyć konto, aby wyodrębnić tekst z PDF?

Nie. Nie ma rejestracji ani konta. Upuść plik, przeczytaj wyodrębniony podgląd i pobierz plik .txt.

Czy PDF to Text działa w przeglądarce mobilnej?

Tak. pdf.js działa tak samo w przeglądarce telefonu jak na komputerze. Skopiuj lub pobierz wyodrębniony tekst bezpośrednio ze strony mobilnej, gdy tylko ekstrakcja się zakończy.

Powiązane narzędzia

Utrzymuj wszystko lokalnie, odkrywaj narzędzia uzupełniające.

Wszystkie narzędzia PDF