PDF в текст
PDF, созданный из документа, хранит настоящий текст, который инструмент читает постранично, чтобы его можно было скопировать или сохранить как .txt. У отсканированного PDF нет текстового слоя, нужен OCR. Файлы до 50 МБ, ничего не загружается.
Как пользоваться
- Перетащите PDF в рамку или нажмите на неё и выберите файл (до 50 МБ). Будет показано число страниц.
- Оставьте поле «Страницы» пустым, чтобы прочитать все, или введите диапазон, например 1-3,5. Отметьте маркер страниц, если хотите строку вида --- 3 --- перед каждой страницей.
- Нажмите «Извлечь текст». Текст появится в поле, где его можно править. Скопируйте его или сохраните как файл .txt.
Как считается
В большинстве PDF, созданных из документа, веб-страницы или таблицы, текст хранится как настоящие символы с положением на странице. Инструмент читает эти символы, склеивает слева направо фрагменты одной строки и начинает новую строку, когда меняется высота.
Увеличенный промежуток между строками превращается в пустую строку, чтобы абзацы оставались раздельными. Колонки, таблицы и колонтитулы читаются в порядке, в котором их хранит файл, поэтому сложную вёрстку, возможно, придётся немного поправить.
Отсканированный PDF это лишь картинка текста, символов для чтения в нём нет, и результат пуст. Тогда сначала превратите страницы в изображения и воспользуйтесь инструментом текста с изображения. Текст читает pdf.js в вашем браузере, на сервер он не отправляется.
Частые вопросы
Мой PDF куда-то загружается?
Нет. Файл читается в этой вкладке браузера. Нет загрузки, аккаунта и копий в других местах.
Почему результат пустой или полон странных символов?
Пустой результат обычно значит, что PDF это скан, то есть картинка текста. Странные символы появляются, когда PDF хранит текст особым шрифтом без текстового соответствия. В обоих случаях лучше подойдёт инструмент распознавания текста с изображения (OCR).
Почему колонки и таблицы перепутаны?
PDF хранит, где располагается каждый фрагмент текста, а не порядок чтения. Инструмент следует порядку файла и строкам страницы, поэтому многоколоночные страницы и таблицы могут выйти не в том порядке, в каком вы читаете.
Сохраняются ли шрифты и форматирование?
Нет. Вы получаете простой текст. Жирность, размеры, цвета и изображения не попадают в результат.
Почему пишет, что файл защищён паролем?
PDF зашифрован и не открывается без пароля. Откройте его в программе просмотра PDF, снимите пароль (сохраните или распечатайте в новый PDF) и добавьте эту копию сюда.