PDF → видобування тексту

Видобудьте весь читабельний текст із вашого PDF. Завантажте як файл .txt. Усе залишається у вашому браузері, жоден файл не надсилається на сервер.

Як працює PDF у текст

PDF to Text витягує наявний текстовий шар з PDF і зберігає його як звичайний файл .txt. Витягування виконується через pdf.js у вашому браузері, що зчитує об'єкти текстового вмісту, вбудовані до потоків сторінок PDF. Документ ніколи не залишає ваш пристрій; результат збирається локально і пропонується для прямого завантаження.

Цей інструмент зчитує текстовий шар, що вже є у файлі. Якщо ваш PDF створений текстовим редактором або інструментом експорту, він майже напевно має текстовий шар, і витягування пройде добре. Якщо PDF є скан-копією паперового документа, сторінки містять лише дані зображень і текстового шару немає; у такому разі цей інструмент поверне порожній або неповний результат. Відскановані PDF потребують оптичного розпізнавання символів (OCR) для отримання тексту, що є окремим процесом, який цей інструмент не виконує. Перевірте, чи є у вашому PDF виділяємий текст у переглядачі, перш ніж користуватись цим інструментом.

Автор: Bastien Sulyan

PDF у текст: покрокова інструкція

Завантажте PDF до інструмента витягування тексту.
Зачекайте, поки pdf.js зчитає текстовий шар з усіх сторінок.
Перегляньте попередній перегляд витягнутого тексту.
Натисніть «Завантажити», щоб зберегти файл .txt.

Поширені сценарії використання

Витягніть текст з PDF наукової статті для вставки до застосунку ведення нотаток або обробки через підсумовувач.
Отримайте вміст PDF-рахунку-фактури до таблиці для бухгалтерського обліку без ручного перевведення.
Відновіть текст з пошкодженого або заблокованого за макетом PDF, де копіювання-вставка у переглядачі не працює.
Конвертуйте PDF-статтю у звичайний текст для обробки скриптом або інструментом командного рядка.

Поширені запитання

Чому витягнутий текст для деяких PDF виходить порожнім або спотвореним?

Найпоширеніша причина полягає в тому, що PDF є скан-копією: сторінки є зображеннями і не містять текстового шару. Інші причини включають PDF, де текст зберігається у вигляді контурів або кастомних кодувань шрифтів, які pdf.js не може відобразити у читабельні символи. Для відсканованих документів потрібне OCR.

Чи виконує цей інструмент OCR на відсканованих PDF?

Ні. Цей інструмент зчитує наявний текстовий шар з PDF. Він не виконує оптичне розпізнавання символів. Для відсканованих PDF скористайтесь інструментом OCR, який пропускає зображення сторінок через локальний OCR-рушій у вашому браузері.

Витягування тексту відбувається на сервері чи в моєму браузері?

У вашому браузері. pdf.js зчитує структуру PDF локально, аналізує об'єкти текстового вмісту з кожного потоку сторінки і збирає результат у пам'яті браузера. Дані PDF жодного разу не залишають ваш пристрій у цьому процесі.

Чи зберігається форматування і макет у текстовому виводі?

Ні. Звичайний текст не містить інформацію про шрифт, розмір, колір або положення. Вивід є неформатованим текстом у порядку читання, визначеному pdf.js. Таблиці, багатоколонні макети та спеціальне форматування вирівнюються. Для збереження насиченого макету краще підходять конвертери PDF у HTML.

Чи можна витягти текст з PDF, захищеного паролем?

Якщо PDF має пароль для відкриття користувачем, необхідно надати його, щоб PDF взагалі можна було прочитати. Обмеження витягування на рівні власника також можуть блокувати операцію. Спочатку зніміть ці обмеження за допомогою інструмента PDF Unlock, а потім повторіть витягування.

Чи потрібно створювати обліковий запис, щоб витягти текст з PDF?

Ні. Немає реєстрації і немає облікового запису. Скиньте файл, перегляньте витягнутий попередній перегляд і завантажте файл .txt.

Чи працює PDF to Text у мобільному браузері?

Так. pdf.js працює однаково в браузері телефону і на комп'ютері. Скопіюйте або завантажте витягнутий текст прямо з мобільної сторінки, щойно витягування завершиться.

Схожі інструменти

Тримайте все локально, досліджуйте додаткові інструменти.

Усі PDF-інструменти