Hogyan lehet PDF-et szöveggé alakítani?

Ezzel a PDF szöveggé konverterrel a digitális PDF-ben már eleve tárolt, kijelölhető szöveget tudja kinyerni, majd kimásolni vagy TXT fájlként letölteni. A feldolgozás a böngészőben fut, ezért a dokumentum nem kerül feltöltésre. A beolvasott, csak képként tárolt PDF-ekhez OCR kell, ezt az eszköz pedig nem végez.

Így működik

1Válasszon egy digitális PDF-et. Húzzon be egy PDF-et az eszközbe, vagy válassza ki a gépéről. A legjobb eredményhez ellenőrizze, hogy a megszokott PDF-megnyitóban ki tud-e jelölni szavakat.

2Nyissa ki a szövegréteget. Kattintson a Szöveg kinyerése gombra. A PDF.js helyben, a böngészőben olvassa be az oldalakat, és a fájlt nem küldi el szerverre.

3Ellenőrizze a sima szöveget. Nézze át a bekezdéseket, oszlopokat, táblázatokat és jeleket az eredetihez képest. A PDF olvasási sorrendje eltérhet a vizuális oldalképtől.

4Másolja vagy töltse le. Szükség esetén szerkessze az eredményt, másolja a vágólapra, vagy mentse UTF-8 TXT fájlként.

Kinek hasznos

Kutatók és hallgatók idézeteket, jegyzeteket emelnek ki kereshető tanulmányokból, hogy beilleszthessék őket egy íróprogramba.

Üzemeltetési és adminisztrációs csapatok digitális riportokat, számlákat vagy kivonatokat alakítanak át belső ellenőrzéshez úgy, hogy közben nem töltenek fel bizalmas fájlokat.

Írók és szerkesztők egy PDF-ből nyernek vissza szöveget, amikor az eredeti dokumentum már nem elérhető.

Akadálymentesítési munkafolyamatok ellenőrzik, hogy a PDF tartalmaz-e használható szövegréteget a további javítás előtt.

Ez az átalakító Mozilla PDF.js segítségével helyben, az Ön eszközén olvassa be az egyes oldalak meglévő szövegrétegét. Megőrzi az oldalak sorrendjét és a jelzett sortöréseket, majd egy szerkeszthető, sima szöveges eredményt ad. A TXT kimenet nem tartja meg a képeket, a betűtípusokat, az oszlopokat, a táblázatokat és a vizuális formázást.

Van egy fontos határ: a digitális PDF olyan karaktereket tartalmaz, amelyeket a szoftver ki tud jelölni és keresni tud bennük. A szkennelés ezzel szemben csak egy oldal fényképét tárolhatja. Az első eset szövegkinyerés, a második optikai karakterfelismerést igényel. Ez az eszköz csak az előbbit tudja.

Gyakori kérdések

Feltöltődnek a PDF fájljaim egy szerverre?

Nem. A böngésző a kiválasztott PDF-et helyben, PDF.js segítségével olvassa be, és a fájl nem kerül elküldésre a CanDoYa-ra. Előfordulhat, hogy a PDF motor kódja az első használatkor letöltődik, de a dokumentum nem része ennek a kérésnek.

Ingyenes ez a PDF szöveggé alakító?

Igen. Bejelentkezés, vízjel és fizetés nélkül tud szöveget kinyerni, szerkeszteni, másolni és TXT-ként letölteni. A feldolgozás az Ön eszközén fut, ezért nincs szerveroldali sor és nincs későbbi fájlfelvétel sem.

Mekkora PDF-et és hány oldalt fogad el?

Az eszköz egyetlen PDF-et fogad el, legfeljebb 100 MB méretben és 2 000 oldalig. Az elérhető memória és az eszköz sebessége ennél szűkebb gyakorlati határt is jelenthet, főleg telefonon. Ha egy nagyon nagy dokumentum nem fér bele, érdemes kisebb PDF-ekre bontani.

Be tud szkennelt PDF-ből szöveget nyerni?

Nem, ha a szken csak oldalképeket tartalmaz. Ez az átalakító a meglévő kijelölhető szöveget olvassa ki, és nem végez OCR-t. A beolvasott PDF-hez olyan OCR eszköz kell, amely a képpontokból ismeri fel a karaktereket. Egyes vegyes PDF-ekben lehet szöveg néhány oldalon, másokon nem - az eredmény jelzi, ha egy oldalnak nincs szövege.

Miért rossz sorrendben jelenik meg a kinyert szöveg?

A PDF az oldalon koordinátákhoz kötve helyezi el a szövegrészleteket, és nem mindig tárol világos bekezdés- vagy oszlopsorrendet. A PDF.js a dokumentum szövegelemeit és sortöréseit követi, ami eltérhet a vizuális olvasási sorrendtől többoszlopos elrendezésben, táblázatokban, fejlécekben vagy összetett űrlapokon.

A PDF szöveggé alakítása megőrzi a formázást és a képeket?

Nem. A TXT fájl csak sima karaktereket tartalmaz, ezért a betűtípusok, színek, képek, linkek, oszlopok és táblázatszegélyek nem maradnak meg. A sortörések a PDF szövegrétegéből jönnek, és a kinyerés után szükség lehet szerkesztésre.

Miért utasítja el a jelszóval védett PDF-et?

A böngésző jelszó nélkül nem tud olvasni egy titkosított dokumentumot. Nyissa meg a PDF-et egy megbízható olvasóban, adja meg a jelszót, és ha van rá jogosultsága, mentse el feloldott másolatként. Ezután adja hozzá azt a másolatot az átalakítóhoz.

Milyen nyelvek nyerhetők ki egy PDF-ből?

A parser nincs egyetlen nyelvhez kötve. Bármely írásrendszerből tud Unicode szöveget visszaadni, ha a PDF-ben megfelelő karaktertérkép és kijelölhető szöveg van. Ha a dokumentum hiányos vagy egyedi fontleképezést használ, a kimásolt karakterek akkor is lehetnek hiányosak vagy hibásak.