Når du konverterer en PDF til tekst, får du kun ordene, uden layout, skrifttyper eller billeder, i en .txt-fil, der kan åbnes overalt. Det er den hurtigste måde at søge i et langt dokument, citere fra det eller give det videre til et andet program. Her kører det i din browser, så dine dokumenter aldrig uploades.
Udtræk tekst fra flere PDF'er
Tilføj en hel mappe med rapporter, artikler eller kontoudtog. Hver PDF bliver til en .txt-fil med samme navn, og de gemmes samlet i en ZIP. Teksten følger læserækkefølgen på hver side, side efter side, i UTF-8, så accenter, æ, ø, å og ikke-latinske alfabeter kommer korrekt med.
Scannede PDF'er kræver OCR
Dette værktøj læser den tekst, der er gemt inde i en PDF. En scanning eller et foto gemt som PDF indeholder kun billeder af bogstaver, så resultatet bliver tomt. Hurtig test: kan du ikke markere et ord i din PDF-fremviser, så brug PDF OCR, som genkender bogstaverne og også giver dig en tekstfil.
Hvorfor tekst ikke kan kopieres fra nogle PDF'er
Kopierer du fra en PDF-fremviser, brydes linjerne ofte midt i sætninger, kolonner blandes, eller sidehoveder og sidetal kommer med. Nogle PDF'er blokerer kopiering med en adgangskode til rettigheder; de kan først åbnes med Lås PDF op. Og i nogle få filer er bogstaverne tegnet med skrifttyper uden ordentlig tegntabel, så den udtrukne tekst ligner volapyk; kører du OCR på sådan en fil, får du læsbar tekst.
Sådan virker det
Teksten udtrækkes med MuPDF, en PDF-motor, der kører i din browser. Den læser de tegn, der er gemt på hver side, sammen med deres placering, sætter dem i læserækkefølge og skriver dem som almindelig tekst. Første gang hentes motoren (omkring 39 MB) og gemmes af din browser. Dine filer sendes aldrig nogen steder hen.
Hvad folk bruger det til, og hvornår det ikke virker
At søge i og citere fra lange rapporter, samle tekst til research eller noter, indsætte en kontrakt i en e-mail, importere dokumenter i et oversættelses- eller AI-værktøj og gemme arkiver i ren tekst.
- Formateringen bevares ikke: ingen fed skrift, tabeller eller billeder. Til det skal du bruge PDF til Word.
- Scanninger giver ingen tekst uden OCR.
- Komplekse layout som tabeller og sider med flere kolonner kan komme ud i en uventet rækkefølge.