Prevod PDF na text vám dá len slová, bez rozloženia, písma a obrázkov, v súbore .txt, ktorý sa otvorí kdekoľvek. Je to najrýchlejší spôsob, ako prehľadať dlhý dokument, citovať z neho alebo ho vložiť do iného programu. Tu to beží vo vašom prehliadači, takže sa vaše dokumenty nikdy nenahrávajú.
Extrakcia textu z viacerých PDF
Pridajte celý priečinok správ, článkov alebo výpisov. Z každého PDF bude súbor .txt s rovnakým názvom a všetky sa uložia spolu v archíve ZIP. Text sleduje poradie čítania na každej strane, stranu za stranou, v UTF-8, takže diakritika aj nelatinské abecedy sa prenesú.
Naskenované PDF potrebujú OCR
Tento nástroj číta text uložený vo vnútri PDF. Sken alebo fotka uložená ako PDF obsahuje len obrázky písmen, takže výsledok je prázdny. Rýchly test: ak vo svojom prehliadači PDF nedokážete označiť slovo, použite OCR pre PDF, ktoré písmená rozpozná a dá vám aj textový súbor.
Prečo sa z niektorých PDF nedá kopírovať text
Kopírovanie z prehliadača PDF často láme riadky uprostred viet, mieša stĺpce alebo zachytí hlavičky a čísla strán. Niektoré PDF blokujú kopírovanie heslom oprávnení; tie môžete najprv otvoriť nástrojom Odomknúť PDF. A v niekoľkých súboroch sú písmená nakreslené písmami bez správnej mapy znakov, takže extrahovaný text vyzerá ako nezmysly; OCR na takom súbore dá čitateľný text.
Ako to funguje
Text sa extrahuje pomocou MuPDF, PDF jadra, ktoré beží vo vašom prehliadači. Načíta znaky uložené na každej strane spolu s ich polohou, zoradí ich v poradí čítania a zapíše ako obyčajný text. Pri prvom použití sa jadro (asi 39 MB) stiahne a prehliadač si ho uchová. Vaše súbory sa nikdy nikam neposielajú.
Na čo sa používa a kedy nebude fungovať
Vyhľadávanie a citovanie v dlhých správach, zber textu na výskum či poznámky, vloženie zmluvy do e-mailu, import dokumentov do prekladového alebo AI nástroja a uchovávanie archívov v obyčajnom texte.
- Formátovanie sa nezachová: žiadne tučné písmo, tabuľky ani obrázky. Na to použite PDF do Wordu.
- Skeny bez OCR nedajú žiadny text.
- Zložité rozloženia, ako tabuľky a strany s viacerými stĺpcami, môžu vyjsť v nečakanom poradí.