Filespry

Wyodrębnij tekst z PDF

Wydobądź tekst z pliku PDF, aby go skopiować, przeszukać lub wykorzystać ponownie. Działa w przeglądarce, a plik nie jest wysyłany. Odczytuje wyłącznie prawdziwy tekst: skanów PDF nie obsługuje, ponieważ nie ma tu OCR.

Twoje pliki są przetwarzane w przeglądarce i nie są wysyłane.

Jak z tego korzystać

  1. Wybierz plik PDF albo przeciągnij go na pole.
  2. Zaznacz potrzebne opcje: usuwanie powtarzających się nagłówków, łączenie przeniesionych słów, oznaczanie numerów stron.
  3. Naciśnij Wyodrębnij tekst i poczekaj, aż strony zostaną odczytane.
  4. Skopiuj tekst albo pobierz go jako plik .txt. Wcześniej możesz go poprawić w polu.

Czego się spodziewać przy wyodrębnianiu tekstu z PDF

Wiele plików PDF zapisuje tekst jako prawdziwe znaki z położeniem na stronie. Wyodrębnianie odczytuje te znaki i odtwarza wiersze oraz akapity na podstawie odstępów. Sprawdza się to dobrze w raportach, artykułach i umowach wyeksportowanych z edytora tekstu, a słabo w skanach, które zawierają tylko obrazy.

Ponieważ PDF nie ma prawdziwej struktury akapitów, narzędzie zgaduje. Łączy wiersze leżące blisko siebie i zaczyna nowy akapit tam, gdzie odstęp jest większy. Listy punktowane zostają jako osobne wiersze. Słabym punktem są kolumny i tabele, ponieważ strona jest czytana wiersz po wierszu na całej szerokości.

Po wyodrębnieniu przejrzyj wynik pod kątem dziwnych podziałów i popraw je w polu, które pokazuje też liczbę słów i znaków. Jeśli na każdej stronie są nagłówki lub numery stron, zostaw włączoną opcję czyszczenia. W przypadku skanu użyj programu z OCR, a rozpoznany plik PDF możesz potem przynieść z powrotem tutaj. Tekst z pola możesz też wkleić do edytora, w którym od razu poprawisz błędy i dopasujesz układ do własnych potrzeb.

Najczęstsze pytania

Dlaczego widzę komunikat, że nie ma tekstu?

PDF to prawdopodobnie skan lub zestaw sfotografowanych stron. Zawierają one obrazy liter, a nie prawdziwy tekst, a to narzędzie nie ma OCR (rozpoznawania tekstu), więc nie ma czego wyodrębnić. Plik PDF wyeksportowany z edytora tekstu zwykle działa.

Dlaczego kolejność mojego tekstu jest pomieszana?

Narzędzie czyta tekst w kolejności, w jakiej jest rozmieszczony na stronie. Przy kilku kolumnach, tabelach, panelach bocznych lub polach tekstowych wiersze z różnych obszarów mogą się przeplatać. Najlepiej wychodzą krótkie dokumenty jednokolumnowe. Resztę poprawisz w edytowalnym polu.

Co robią opcje czyszczenia?

Usuwanie powtarzających się nagłówków i stopek kasuje wiersze, które pojawiają się u góry lub u dołu co najmniej połowy stron, na przykład tytuły i numery stron. Łączenie słów skleja wyraz przeniesiony z myślnikiem na końcu wiersza. Oznaczanie stron dodaje etykietę przed każdą stroną.

Czy mój PDF jest wysyłany na serwer?

Nie. Tekst jest wyodrębniany w Twojej przeglądarce, a plik nigdy nie opuszcza urządzenia. Plików PDF chronionych hasłem nie da się tu otworzyć, a bardzo długie dokumenty zależą od pamięci urządzenia.

Powiązane narzędzia

  • PDF na JPG

    Zapisz strony PDF jako JPG lub PNG

    Nowość
  • Licznik słów

    Policz słowa, znaki, zdania i czas czytania

  • Edytuj PDF

    Dodaj do PDF tekst, obrazy, kształty i podpisy

    Nowość
  • Podziel PDF

    Potnij PDF według zakresów stron lub na pojedyncze strony