tigtools

PDF til tekst

Vælg en PDF, og få dens tekst som ren tekst med valgfri sideoverskrifter, klar til at kopiere eller gemme. Udtrækningen kører i din browser med pdf.js.

Kører i din browser Ingen tilmelding

eller slip den her. Filen forbliver på din enhed.

Sådan bruger du det

  1. Vælg eller slip en PDF-fil.
  2. Vælg, om hver side skal starte med en overskrift som “--- Side 3 ---”.
  3. Vælg Udtræk tekst, og vent på, at alle sider er læst.
  4. Kopier teksten, eller download den som en UTF-8 .txt-fil.

Sådan fungerer det

PDF-filer, der er oprettet i et tekstbehandlingsprogram, på en hjemmeside eller i de fleste andre programmer, indeholder et tekstlag: tegnene og deres placeringer. Værktøjet læser det lag side for side med pdf.js og omdanner det til linjer af ren tekst. Skrifttyper, størrelser, farver, billeder og tabeller bevares ikke; tabelceller kommer ud som tekst adskilt af mellemrum eller linjeskift.

Læserækkefølgen følger den rækkefølge, der er gemt i PDF'en, som normalt er den visuelle rækkefølge. Layout med flere kolonner, fodnoter og tekstbokse kan komme ud i en uventet rækkefølge, og ord, der er delt med bindestreg ved linjeskift, forbliver delt.

Scannede dokumenter og fotos gemt som PDF indeholder kun billeder af tekst og har intet tekstlag, så intet kan udtrækkes. Værktøjet registrerer det og henviser dig til OCR (optisk tegngenkendelse), som læser tekst fra billeder. Tekst i nogle PDF'er bruger skrifttyper uden en korrekt tegnmapping; sådan tekst kan komme ud som ulæselige symboler.

PDF'er, der kræver en adgangskode for at åbne, kan ikke læses. PDF'er, der kun har kopibegrænsninger, læses, så respekter dokumentejerens rettigheder.

Eksempler

Citere en rapport

Udtræk teksten fra en PDF-rapport på 40 sider, søg i den i tekstfeltet, og kopier det afsnit, du har brug for, uden at kæmpe med PDF-viserens markering.

Scannet brev

Et brev, der er scannet til PDF, giver ingen tekst. Værktøjet fortæller det og linker til OCR-værktøjet, som kan genkende teksten fra et billede af siden.

Ofte stillede spørgsmål

Hvorfor findes der ingen tekst i min PDF?

PDF'en indeholder sandsynligvis scannede billeder i stedet for tekst. Kør siderne gennem OCR for at genkende teksten.

Hvorfor står ord eller linjer i forkert rækkefølge?

Værktøjet bruger den rækkefølge, som teksten er gemt i i filen. Nogle programmer gemmer kolonner, overskrifter eller tekstbokse i en anden rækkefølge, end de vises.

Hvorfor indeholder teksten mærkelige symboler?

Nogle PDF'er bruger skrifttyper uden oplysninger om, hvilket tegn hver glyf repræsenterer. De synlige bogstaver kan ikke føres tilbage til tekst; OCR er den eneste mulighed for sådanne filer.

Bevares formatering som fed skrift eller tabeller?

Nej. Resultatet er ren tekst med linjeskift. Tabelceller og kolonner bliver til tekst på linjer.

Privatliv

PDF'en åbnes og læses i din browser med pdf.js. Filen og den udtrukne tekst bliver hverken uploadet, gemt eller inkluderet i analyser; der tælles kun en anonym hændelse om, at værktøjet er brugt.