Конвертація PDF у текст дає лише слова, без макета, шрифтів і картинок, у файлі .txt, який відкривається будь-де. Це найшвидший спосіб шукати в довгому документі, цитувати його чи передати іншій програмі. Тут усе працює у вашому браузері, тож документи ніколи не вивантажуються.
Витягти текст із кількох PDF
Додайте цілу теку звітів, статей чи виписок. Кожен PDF стає файлом .txt з тією самою назвою, і всі вони зберігаються разом у ZIP. Текст іде в порядку читання кожної сторінки, сторінка за сторінкою, у кодуванні UTF-8, тож діакритика й нелатинські абетки передаються правильно.
Сканованим PDF потрібне OCR
Цей інструмент читає текст, що зберігається всередині PDF. Скан чи фото, збережене як PDF, містить лише зображення літер, тож результат буде порожнім. Швидка перевірка: якщо у вашому переглядачі PDF не вдається виділити слово, скористайтеся OCR для PDF, що розпізнає літери й теж дає текстовий файл.
Чому з деяких PDF текст не копіюється
Під час копіювання з переглядача PDF рядки часто розриваються посеред речення, колонки змішуються, а до тексту потрапляють колонтитули й номери сторінок. Деякі PDF блокують копіювання паролем дозволів; такі файли спершу можна відкрити за допомогою Розблокувати PDF. А в деяких файлах літери намальовано шрифтами без правильної таблиці символів, тож витягнутий текст виглядає як абракадабра; OCR такого файлу дає читабельний текст.
Як це працює
Текст витягується за допомогою MuPDF, рушія PDF, що працює у вашому браузері. Він читає символи, збережені на кожній сторінці, разом з їхнім розташуванням, розставляє їх у порядку читання й записує як простий текст. Першого разу рушій (близько 39 МБ) завантажується й зберігається у вашому браузері. Ваші файли ніколи нікуди не надсилаються.
Для чого це використовують і коли не спрацює
Пошук і цитування в довгих звітах, збирання тексту для досліджень чи нотаток, вставлення договору в лист, імпорт документів у програму для перекладу чи ШІ, а також архіви у вигляді простого тексту.
- Форматування не зберігається: немає жирного шрифту, таблиць і картинок. Для цього скористайтеся PDF у Word.
- Скани не дають тексту без OCR.
- Складні макети, як-от таблиці й сторінки в кілька колонок, можуть вийти в неочікуваному порядку.