Konwersja PDF do tekstu daje same słowa, bez układu, czcionek i obrazów, w pliku .txt, który otworzy się wszędzie. To najszybszy sposób, by przeszukać długi dokument, zacytować go albo przekazać innemu programowi. Tutaj działa w przeglądarce, więc twoje dokumenty nigdy nie są wysyłane.
Wyciąganie tekstu z kilku plików PDF
Dodaj cały folder raportów, artykułów lub wyciągów. Każdy PDF staje się plikiem .txt o tej samej nazwie, a wszystkie zapisują się razem w archiwum ZIP. Tekst zachowuje kolejność czytania na każdej stronie, strona po stronie, w UTF-8, więc polskie znaki i alfabety niełacińskie przechodzą bez problemu.
Zeskanowane PDF wymagają OCR
To narzędzie czyta tekst zapisany w PDF. Skan lub zdjęcie zapisane jako PDF zawiera tylko obrazy liter, więc wynik jest pusty. Szybki test: jeśli w przeglądarce PDF nie możesz zaznaczyć słowa, użyj OCR PDF, który rozpoznaje litery i też daje plik tekstowy.
Dlaczego z niektórych PDF nie da się skopiować tekstu
Kopiowanie z przeglądarki PDF często łamie wiersze w połowie zdania, miesza kolumny albo łapie nagłówki i numery stron. Niektóre pliki PDF blokują kopiowanie hasłem uprawnień; takie można najpierw otworzyć w Odblokuj PDF. A w nielicznych plikach litery są rysowane czcionkami bez prawidłowej mapy znaków, więc wyciągnięty tekst wygląda jak bełkot; OCR na takim pliku daje czytelny tekst.
Jak to działa
Tekst jest wyciągany przez MuPDF, silnik PDF działający w przeglądarce. Czyta znaki zapisane na każdej stronie razem z ich położeniem, układa je w kolejności czytania i zapisuje jako zwykły tekst. Za pierwszym razem silnik (około 39 MB) jest pobierany i przechowywany przez przeglądarkę. Twoje pliki nigdy nie są nigdzie wysyłane.
Do czego się przydaje i kiedy nie zadziała
Przeszukiwanie i cytowanie długich raportów, zbieranie tekstu do badań lub notatek, wklejanie umowy do maila, importowanie dokumentów do narzędzia tłumaczeniowego lub AI i przechowywanie archiwów w zwykłym tekście.
- Formatowanie nie jest zachowywane: bez pogrubień, tabel i obrazów. Do tego użyj PDF do Word.
- Skany nie dają tekstu bez OCR.
- Złożone układy, takie jak tabele i strony z kilkoma kolumnami, mogą wyjść w nieoczekiwanej kolejności.