Estrarre il testo da un PDF
Estrai il testo da un PDF per copiarlo, cercarlo o riutilizzarlo. Funziona nel browser e il file non viene caricato. Legge solo testo vero: i PDF scansionati non sono supportati perché qui non c'è l'OCR.
I tuoi file vengono elaborati nel browser e non vengono caricati.
Come si usa
- Scegli il tuo PDF oppure trascinalo nel riquadro.
- Spunta le opzioni che vuoi: togliere intestazioni ripetute, unire parole spezzate, indicare i numeri di pagina.
- Premi «Estrai il testo» e attendi mentre le pagine vengono lette.
- Copia il testo o scaricalo come file .txt. Prima puoi modificarlo nel riquadro.
Che cosa aspettarsi estraendo il testo da un PDF
Molti PDF memorizzano il testo come caratteri veri con una posizione sulla pagina. L'estrazione legge quei caratteri e ricostruisce righe e paragrafi a partire dagli spazi. Funziona bene con relazioni, articoli e contratti esportati da un programma di scrittura, e male con le scansioni, che contengono solo immagini.
Poiché un PDF non ha una vera struttura in paragrafi, lo strumento fa delle ipotesi. Unisce le righe vicine e inizia un nuovo paragrafo dove c'è uno spazio maggiore. Gli elenchi puntati restano su righe separate. Colonne e tabelle sono il punto debole, perché la pagina viene letta riga per riga su tutta la larghezza.
Dopo l'estrazione scorri il risultato in cerca di interruzioni strane e correggile nel riquadro, che mostra anche il numero di parole e caratteri. Se il file ha intestazioni o numeri di pagina su ogni pagina, lascia attiva la pulizia. Per una scansione usa un programma con OCR, poi se vuoi riporta qui il PDF riconosciuto. Tabelle e formule possono perdere la forma originale: confronta sempre cifre e citazioni importanti con il documento.
Domande frequenti
Perché compare un messaggio che dice che non c'è testo?
Probabilmente il PDF è una scansione o un insieme di pagine fotografate. Contengono immagini di lettere, non testo vero, e questo strumento non ha l'OCR (riconoscimento del testo), quindi non c'è nulla da estrarre. Un PDF esportato da un programma di scrittura di solito funziona.
Perché l'ordine del testo è confuso?
Lo strumento legge il testo nell'ordine in cui è disposto sulla pagina. Con più colonne, tabelle, riquadri laterali o caselle di testo, le righe di aree diverse possono mescolarsi. I documenti brevi a colonna singola danno i risultati migliori. Il resto si sistema nel riquadro modificabile.
Che cosa fanno le opzioni di pulizia?
Togliere intestazioni e piè di pagina ripetuti elimina le righe che compaiono in alto o in basso in almeno metà delle pagine, come titoli e numeri. Unire le parole spezzate riattacca una parola divisa da un trattino a fine riga. Indicare le pagine aggiunge un'etichetta prima di ognuna.
Il mio PDF viene caricato su un server?
No. Il testo viene estratto nel tuo browser e il file non lascia mai il dispositivo. I PDF protetti da password qui non si possono aprire e i documenti molto lunghi dipendono dalla memoria del dispositivo.
Strumenti correlati
- Nuovo
Da PDF a JPG
Salva le pagine di un PDF come JPG o PNG
Contaparole
Conta parole, caratteri, frasi e tempo di lettura
- Nuovo
Modifica PDF
Aggiungi testo, immagini, forme e firme a un PDF
Dividi PDF
Taglia un PDF per intervalli di pagine o in pagine singole