Пераўтварэнне PDF у тэкст дае толькі словы, без макета, шрыфтоў і выяў, у файле .txt, які адкрываецца дзе заўгодна. Гэта самы хуткі спосаб шукаць у доўгім дакуменце, цытаваць з яго або перадаць яго іншай праграме. Тут гэта працуе ў браўзеры, таму вашы дакументы ніколі не загружаюцца.
Выняць тэкст з некалькіх PDF
Дадайце цэлую папку справаздач, артыкулаў або выпісак. Кожны PDF становіцца файлам .txt з той жа назвай, і ўсе яны захоўваюцца разам у ZIP-архіве. Тэкст ідзе ў парадку чытання кожнай старонкі, старонка за старонкай, у кадзіроўцы UTF-8, таму дыякрытыка і нелацінскія алфавіты захоўваюцца.
Адсканаваным PDF патрэбны OCR
Гэты інструмент чытае тэкст, які захоўваецца ўнутры PDF. Скан або фота, захаванае як PDF, змяшчае толькі выявы літар, таму вынік пусты. Хуткая праверка: калі ў праграме прагляду PDF нельга вылучыць слова, скарыстайцеся OCR PDF, які распазнае літары і таксама дае тэкставы файл.
Чаму з некаторых PDF тэкст не капіруецца
Капіяванне з праграмы прагляду PDF часта разрывае радкі пасярод сказаў, змешвае калонкі або захоплівае калантытулы і нумары старонак. Некаторыя PDF забараняюць капіяванне паролем на правы доступу; такія можна спачатку адкрыць праз Разблакаваць PDF. А ў некаторых файлах літары намаляваны шрыфтамі без нармальнай табліцы сімвалаў, таму выняты тэкст выглядае як абракадабра; OCR для такога файла дае чытэльны тэкст.
Як гэта працуе
Тэкст вымаецца з дапамогай MuPDF, PDF-рухавіка, які працуе ў вашым браўзеры. Ён чытае сімвалы, захаваныя на кожнай старонцы, разам з іх пазіцыямі, выбудоўвае іх у парадку чытання і запісвае як просты тэкст. Першы раз рухавік (каля 39 МБ) спампоўваецца і захоўваецца ў браўзеры. Вашы файлы ніколі нікуды не адпраўляюцца.
Для чаго гэта выкарыстоўваюць і калі не спрацуе
Пошук і цытаты ў доўгіх справаздачах, збор тэксту для даследаванняў або нататак, устаўка дагавора ў ліст, імпарт дакументаў у праграмы перакладу або ШІ-інструменты і архівы ў выглядзе простага тэксту.
- Фарматаванне не захоўваецца: ні тлустага шрыфту, ні табліц, ні выяў. Для гэтага скарыстайцеся PDF у Word.
- Сканы не даюць тэксту без OCR.
- Складаныя макеты, такія як табліцы і старонкі ў некалькі калонак, могуць выйсці ў нечаканым парадку.