CanDoYa
LT

PDF į tekstą

Veikia tik jūsų naršyklėje - nieko neįkeliama, registracija nereikalinga.

Pasirinkite skaitomą PDF, kad ištrauktumėte pažymimą tekstą.

Dalintis šiuo įrankiu

Kaip PDF paversti į tekstą?

Naudokite šį PDF į tekstą įrankį, kad ištrauktumėte jau esantį, pažymimą tekstą iš skaitomo PDF failo, tada jį nukopijuokite arba atsisiųskite kaip TXT failą. Apdorojimas vyksta jūsų naršyklėje, todėl dokumentas neįkeliamas. Skenuotiems PDF failams, kuriuose tekstas saugomas tik kaip paveikslėlis, reikia OCR, o šis įrankis OCR neatlieka.

Kaip naudotis

  1. 1Pasirinkite skaitomą PDF. Nuvilkite vieną PDF failą į įrankį arba pasirinkite jį iš savo įrenginio. Geriausiam rezultatui įsitikinkite, kad įprastame PDF peržiūros įrankyje galite pažymėti žodžius.
  2. 2Ištraukite teksto sluoksnį. Spustelėkite Ištraukti tekstą. PDF.js puslapius skaito lokaliai ir rodo eigą nesiųsdamas failo į serverį.
  3. 3Peržiūrėkite paprastą tekstą. Palyginkite pastraipas, stulpelius, lenteles ir simbolius su originalu. PDF skaitymo tvarka gali skirtis nuo vizualios puslapio tvarkos.
  4. 4Nukopijuokite arba atsisiųskite. Jei reikia, pataisykite rezultatą, nukopijuokite į iškarpinę arba išsaugokite kaip UTF-8 TXT failą.

Kam pravers

Šis keitiklis naudoja Mozilla PDF.js, kad jūsų įrenginyje perskaitytų kiekvieno puslapio esamą teksto sluoksnį. Jis išlaiko puslapių tvarką ir aptiktas eilučių pabaigas, tada pateikia vieną redaguojamą paprasto teksto rezultatą. Vaizdai, šriftai, stulpeliai, lentelės ir vizualus formatavimas TXT išvestyje neišsaugomi.

Čia svarbi riba: skaitomas PDF saugo simbolius, kuriuos programa gali pažymėti ir rasti paieška. Skenas gali saugoti tik puslapio nuotrauką. Pirmojo tipo turinio ištraukimas yra teksto analizė, o antrojo tipo turiniui reikia optinio simbolių atpažinimo. Šis įrankis atlieka tik pirmą užduotį.

DUK

Ar mano PDF failai įkeliami į serverį?

Ne. Jūsų naršyklė pasirinktą PDF skaito lokaliai su PDF.js, o failas nesiunčiamas į CanDoYa. PDF variklio kodas gali atsisiųsti pirmą kartą naudojant įrankį, bet jūsų dokumentas į tą užklausą neįtraukiamas.

Ar šis PDF į tekstą įrankis nemokamas?

Taip. Tekstą galite ištraukti, redaguoti, kopijuoti ir atsisiųsti be paskyros, vandens ženklo ar mokėjimo. Darbas vyksta jūsų įrenginyje, todėl nėra serverio eilės ar vėliau atsiimamo įkelto failo.

Kokie yra PDF dydžio ir puslapių apribojimai?

Įrankis priima vieną PDF failą iki 100 MB ir 2 000 puslapių. Turima atmintis ir įrenginio greitis gali lemti mažesnę praktinę ribą, ypač telefonuose. Jei naršyklė nebaigia darbo, padalykite labai didelį dokumentą į mažesnius PDF failus.

Ar šis įrankis gali ištraukti tekstą iš skenuoto PDF?

Ne tada, kai skene yra tik puslapių paveikslėliai. Šis keitiklis skaito esamą pažymimą tekstą ir OCR neatlieka. Skenuotam PDF reikia OCR įrankio, kuris atpažįsta simbolius iš pikselių. Kai kuriuose mišriuose PDF puslapiuose tekstas gali būti pažymimas, o kituose ne - rezultatas pažymi puslapius be teksto.

Kodėl ištrauktas tekstas yra netinkama tvarka?

PDF puslapiuose tekstas išdėstomas koordinatėmis ir gali nesaugoti aiškios pastraipų ar stulpelių tvarkos. PDF.js seka dokumento teksto elementus ir eilučių pabaigas, todėl kelių stulpelių išdėstymuose, lentelėse, antraštėse ar sudėtingose formose tvarka gali skirtis nuo vizualaus skaitymo.

Ar PDF į tekstą išsaugo formatavimą ir paveikslėlius?

Ne. TXT failuose yra tik paprasti simboliai, todėl šriftai, spalvos, paveikslėliai, nuorodos, stulpeliai ir lentelių rėmeliai neišsaugomi. Eilučių lūžiai gaunami iš PDF teksto sluoksnio ir po ištraukimo juos gali tekti taisyti.

Kodėl slaptažodžiu apsaugotas PDF atmetamas?

Naršyklė negali perskaityti užšifruoto dokumento be slaptažodžio. Atidarykite PDF patikimame peržiūros įrankyje, įveskite slaptažodį ir, jei turite teisę, išsaugokite atrakintą kopiją. Tada pridėkite tą kopiją į įrankį.

Kokias kalbas galima ištraukti iš PDF?

Analizė nėra susieta su viena kalba. Ji gali pateikti Unicode tekstą bet kuria rašto sistema, kai PDF turi tinkamą simbolių žemėlapį ir pažymimą tekstą. Jei dokumente naudojami trūkstami ar nestandartiniai šriftų susiejimai, nukopijuoti simboliai vis tiek gali būti nepilni arba neteisingi.