Att konvertera en PDF till text ger dig bara orden, utan layout, typsnitt eller bilder, i en .txt-fil som går att öppna överallt. Det är det snabbaste sättet att söka i ett långt dokument, citera ur det eller mata in det i ett annat program. Här körs det i din webbläsare, så dina dokument laddas aldrig upp.
Extrahera text från flera PDF-filer
Lägg till en hel mapp med rapporter, artiklar eller kontoutdrag. Varje PDF blir en .txt-fil med samma namn, och de sparas tillsammans i en ZIP. Texten följer läsordningen på varje sida, sida efter sida, i UTF-8, så å, ä, ö och icke-latinska alfabet kommer med.
Skannade PDF-filer behöver OCR
Det här verktyget läser texten som finns lagrad i en PDF. En skanning eller ett foto som sparats som PDF innehåller bara bilder av bokstäver, så resultatet blir tomt. Snabbtest: om du inte kan markera ett ord i din PDF-läsare använder du OCR för PDF, som känner igen bokstäverna och också ger dig en textfil.
Varför text inte går att kopiera från vissa PDF-filer
När du kopierar från en PDF-läsare bryts raderna ofta mitt i meningar, kolumner blandas eller sidhuvuden och sidnummer följer med. Vissa PDF-filer spärrar kopiering med ett behörighetslösenord; de kan först öppnas med Lås upp PDF. Och i några filer är bokstäverna ritade med typsnitt som saknar riktig teckentabell, så den extraherade texten ser ut som rappakalja; kör du OCR på en sådan fil får du läsbar text.
Så fungerar det
Texten extraheras med MuPDF, en PDF-motor som körs i din webbläsare. Den läser tecknen som finns lagrade på varje sida tillsammans med deras positioner, lägger dem i läsordning och skriver ut dem som ren text. Första gången laddas motorn (cirka 39 MB) ner och sparas av webbläsaren. Dina filer skickas aldrig någonstans.
Vad det används till, och när det inte fungerar
Att söka i och citera långa rapporter, samla text till forskning eller anteckningar, klistra in ett avtal i ett mejl, importera dokument till ett översättnings- eller AI-verktyg och spara arkiv i ren text.
- Formateringen behålls inte: ingen fetstil, inga tabeller eller bilder. För det använder du PDF till Word.
- Skanningar ger ingen text utan OCR.
- Komplicerade layouter som tabeller och sidor med flera spalter kan komma ut i oväntad ordning.