Extragerea textului citește cuvintele deja stocate într-un PDF și le scrie într-un fișier text simplu. Nu este OCR: dacă pagina este o imagine de cuvinte, extractorul nu are nimic de citit.
Pas cu pas
- 1
Încărcați PDF-ul
Trageți PDF-ul în casetă sau faceți clic pe Alegeți fișierul. Este trimis printr-o conexiune criptată și folosit numai pentru această sarcină.
- 2
Rulați-l și descărcați
Apăsați PDF în text și pagina arată progresul în timp ce funcționează. Când se termină, primiți un link de descărcare - nimic nu este trimis prin e-mail și nimic nu este stocat mai mult decât trebuie.
Cum arată ecranele
Este textul real?
Încercați să selectați o propoziție în vizualizatorul PDF. Dacă evidențiază, PDF-ul are un strat de text și extragerea îl va returna. Dacă pagina este o scanare, rulați OCR mai întâi. Această verificare evită majoritatea fișierelor text goale dezamăgitoare.
Ordinea de citire și întreruperile de rând
Textul este stocat după poziție, nu după paragraf. Paginile cu mai multe coloane pot apărea intercalate, iar textul justificat poate introduce întreruperi de rând în mijlocul propozițiilor. Citiți primele câteva paragrafe și remediați ordinea înainte de a introduce textul într-un alt instrument. Tabelele își pierd de obicei grila; folosi PDF în Excel pentru date.
Verificați codificarea și caracterele speciale
Caracterele accentuate, ligaturile și simbolurile se pot schimba atunci când textul părăsește PDF-ul. Căutați un nume cu accent și un număr cu simbol valutar. Dacă rezultatul este pentru o bază de date sau un script, verificați codificarea în loc să presupuneți UTF-8.
Ce lasă fișierul text în urmă
The .txt carries words, not the document. Images, drawings, form-field values and annotations stay in the PDF, and there are no settings to change: the tool reads every page in the order the PDF declares and returns a single file. When the destination needs more than words, convert instead — PDF în Word păstrează aspectul, PDF în Excel recuperează tabele și PDF în PowerPoint reconstruiește toboganele.
Obiceiuri bune pentru PDF to Text
- PDF-urile text convertesc cel mai bine. Dacă pagina este o scanare, executați mai întâi OCR.
- Tabelele sunt detectate prin alinierea lor, astfel încât liniile rigle se convertesc cel mai fiabil.
- Verificați rezultatul înainte de a șterge originalul.
Întrebări comune
Ce face PDF to Text?
Copiază textul selectabil dintr-un PDF într-un fișier text simplu, pagină după pagină, păstrând ordinea de citire pe care o declară PDF.
Este PDF to Text gratuit de utilizat?
Da. Acest instrument de browser este gratuit, fără filigran și fără limită de sarcini zilnice. E-Sign și Legal Workflow sunt singurele produse plătite.
Ce se întâmplă cu fișierele mele după ce folosesc PDF to Text?
Acestea sunt stocate sub un ID de neghicit și sunt măturate automat după câteva ore. Nimic nu este partajat sau indexat.
De ce fișierul extras este gol?
PDF-ul este probabil o scanare fără un strat de text. Rulați mai întâi OCR, apoi extrageți textul din copia care poate fi căutată.
Pot păstra aspectul?
Extragerea textului simplu păstrează cuvintele, nu designul paginii. Folosiți PDF în Word dacă aspectul contează.
Extragerea include comentarii?
Extrage textul paginii, nu adnotări sau valori de formular. Eliminați sau exportați-le separat dacă contează.