Miten muunnan PDF:n tekstiksi?

Käytä tätä PDF tekstiksi -muunninta poimiaksesi digitaalisessa PDF:ssä jo valmiina olevan valittavan tekstin, ja kopioi se tai lataa TXT-tiedosto. Käsittely tapahtuu selaimessasi, joten asiakirjaa ei lähetetä minnekään. Skannatut, pelkistä kuvista koostuvat PDF:t tarvitsevat OCR:n, eikä tämä työkalu tee OCR:ää.

Näin se toimii

1Valitse digitaalinen PDF. Pudota yksi PDF-asiakirja työkaluun tai valitse se laitteeltasi. Parhaan tuloksen saat, kun voit valita sanat normaalissa PDF-lukijassa.

2Poimi tekstikerros. Paina Poimi teksti. PDF.js lukee tiedoston paikallisesti ja näyttää etenemisen lähettämättä tiedostoa palvelimelle.

3Tarkista pelkkä teksti. Vertaile kappaleita, palstoja, taulukoita ja symboleja alkuperäiseen. PDF:n lukujärjestys voi poiketa visuaalisesta sivujärjestyksestä.

4Kopioi tai lataa. Muokkaa tulosta tarvittaessa, kopioi se leikepöydälle tai tallenna se UTF-8-koodattuna TXT-tiedostona.

Kenelle

Tutkijat ja opiskelijat, jotka poimivat sitaatteja tai muistiinpanoja haettavissa olevista PDF:istä kirjoitustyökaluun.

Operatiiviset tiimit, jotka muuttavat digitaalisia raportteja, laskuja tai tiliotteita tekstiksi sisäistä tarkistusta varten ilman luottamuksellisten tiedostojen lataamista.

Kirjoittajat ja toimittajat, jotka palauttavat tekstin PDF:stä, kun alkuperäistä asiakirjaa ei ole saatavilla.

Saavutettavuuden parissa työskentelevät, jotka tarkistavat, sisältääkö PDF käyttökelpoisen tekstikerroksen ennen jatkokäsittelyä.

Tämä muunnin käyttää Mozilla PDF.js -kirjastoa lukemaan jokaisen sivun olemassa olevan tekstikerroksen laitteellasi. Se säilyttää sivujärjestyksen ja raportoidut rivinvaihdot, ja antaa sinulle yhden muokattavan pelkkää tekstiä sisältävän tuloksen. Kuvat, fontit, palstat, taulukot ja visuaalinen asettelu eivät säily TXT-tulosteessa.

Tässä on tärkeä raja: digitaalinen PDF sisältää merkkejä, joita ohjelma voi valita ja hakea. Skannaus voi sisältää vain valokuvan sivusta. Ensimmäisen tyypin poiminta on tekstin jäsentämistä, toisen tyypin lukeminen vaatii optista merkintunnistusta. Tämä työkalu tekee vain ensimmäisen.

Usein kysyttyä

Lähetetäänkö PDF-tiedostoni palvelimelle?

Ei. Selaimesi lukee valitun PDF:n paikallisesti PDF.js:llä, eikä tiedostoa lähetetä CanDoYalle. PDF-moottorin koodi voi latautua, kun käytät työkalua ensimmäisen kerran, mutta asiakirjasi ei ole osa sitä pyyntöä.

Onko tämä PDF tekstiksi -muunnin ilmainen?

Kyllä. Voit poimia, muokata, kopioida ja ladata tekstiä ilman tiliä, vesileimaa tai maksua. Työ tapahtuu laitteellasi, joten palvelinjonoa tai myöhemmin noudettavaa latausta ei ole.

Mitkä ovat PDF-tiedoston koko- ja sivurajat?

Työkalu hyväksyy yhden PDF:n, jonka koko on enintään 100 Mt ja jossa on enintään 2 000 sivua. Käytettävissä oleva muisti ja laitteen nopeus voivat rajoittaa käytännön enimmäismäärää alemmas, erityisesti puhelimissa. Jaa hyvin suuri asiakirja pienempiin PDF:iin, jos selain ei ehdi loppuun.

Voiko tällä työkalulla poimia tekstiä skannatusta PDF:stä?

Ei, jos skannaus sisältää vain sivukuvia. Tämä muunnin lukee olemassa olevaa valittavaa tekstiä eikä tee OCR:ää. Skannattu PDF tarvitsee OCR-työkalun, joka tunnistaa merkit pikseleistä. Joissakin sekamuotoisissa PDF:issä tietyillä sivuilla on valittavaa tekstiä ja toisilla ei; tulos merkitsee sivut, joilla ei ole tekstiä.

Miksi poimittu teksti on väärässä järjestyksessä?

PDF-sivut sijoittavat tekstinpaloja koordinaatteihin, eivätkä ne välttämättä tallenna selvää kappale- tai palstajärjestystä. PDF.js seuraa asiakirjan tekstielementtejä ja rivinvaihtoja, mikä voi poiketa visuaalisesta lukujärjestyksestä monipalstaisissa asetteluissa, taulukoissa, ylätunnisteissa tai monimutkaisissa lomakkeissa.

Säilyttääkö PDF tekstiksi -muunnos muotoilun ja kuvat?

Ei. TXT-tiedostot sisältävät vain pelkkiä merkkejä, joten fontit, värit, kuvat, linkit, palstat ja taulukon reunat eivät säily. Rivinvaihdot tulevat PDF:n tekstikerroksesta ja voivat vaatia editointia poiminnan jälkeen.

Miksi salasanalla suojattu PDF hylätään?

Selain ei voi lukea salattua asiakirjaa ilman salasanaa. Avaa PDF luotetussa katseluohjelmassa, anna salasana ja tallenna lukitus poistettuna oleva kopio, jos siihen on oikeus. Lisää sitten tuo kopio muuntimeen.

Millä kielillä PDF:stä voidaan poimia tekstiä?

Jäsentäjä ei ole sidottu yhteen kieleen. Se voi palauttaa Unicode-tekstiä millä tahansa kirjoitusjärjestelmällä, kun PDF sisältää oikean merkistökartan ja valittavaa tekstiä. Jos asiakirjassa on puuttuvia tai omia fonttikartoituksia, kopioidut merkit voivat silti jäädä puutteellisiksi tai vääriksi.