tigtools

PDF σε Κείμενο

Επιλέξτε ένα PDF και αποκτήστε το κείμενό του ως απλό κείμενο, με προαιρετικές επικεφαλίδες σελίδων, έτοιμο για αντιγραφή ή αποθήκευση. Η εξαγωγή εκτελείται στο πρόγραμμα περιήγησής σας με το pdf.js.

Εκτελείται στον περιηγητή σας Χωρίς εγγραφή

ή σύρετέ το εδώ. Το αρχείο παραμένει στη συσκευή σας.

Πώς να το χρησιμοποιήσετε

  1. Επιλέξτε ή σύρετε ένα αρχείο PDF.
  2. Αποφασίστε αν κάθε σελίδα πρέπει να ξεκινά με επικεφαλίδα όπως «--- Σελίδα 3 ---».
  3. Επιλέξτε «Εξαγωγή κειμένου» και περιμένετε να διαβαστούν όλες οι σελίδες.
  4. Αντιγράψτε το κείμενο ή κατεβάστε το ως αρχείο .txt με κωδικοποίηση UTF-8.

Πώς λειτουργεί

Αρχεία PDF που δημιουργήθηκαν από επεξεργαστή κειμένου, ιστότοπο ή τα περισσότερα άλλα λογισμικά περιέχουν ένα επίπεδο κειμένου: τους χαρακτήρες και τις θέσεις τους. Το εργαλείο διαβάζει αυτό το επίπεδο σελίδα προς σελίδα με το pdf.js και το μετατρέπει σε γραμμές απλού κειμένου. Γραμματοσειρές, μεγέθη, χρώματα, εικόνες και πίνακες δεν διατηρούνται· τα κελιά πινάκων εμφανίζονται ως κείμενο χωρισμένο με κενά ή αλλαγές γραμμής.

Η σειρά ανάγνωσης ακολουθεί τη σειρά που είναι αποθηκευμένη στο PDF, η οποία συνήθως είναι η οπτική σειρά. Διατάξεις πολλών στηλών, υποσημειώσεις και πλαίσια κειμένου μπορεί να εμφανιστούν με απρόβλεπτη σειρά, ενώ οι συλλαβισμένες λέξεις στο τέλος των γραμμών παραμένουν χωρισμένες.

Σαρωμένα έγγραφα και φωτογραφίες που αποθηκεύτηκαν ως PDF περιέχουν μόνο εικόνες κειμένου και δεν έχουν επίπεδο κειμένου, οπότε δεν μπορεί να εξαχθεί τίποτα. Το εργαλείο το εντοπίζει και σας παραπέμπει σε OCR (οπτική αναγνώριση χαρακτήρων), το οποίο διαβάζει κείμενο από εικόνες. Το κείμενο σε ορισμένα PDF χρησιμοποιεί γραμματοσειρές χωρίς σωστό χάρτη χαρακτήρων· τέτοιο κείμενο μπορεί να εμφανιστεί ως μη αναγνώσιμα σύμβολα.

Τα PDF που απαιτούν κωδικό πρόσβασης για άνοιγμα δεν μπορούν να διαβαστούν. Τα PDF με περιορισμούς μόνο αντιγραφής διαβάζονται, γι' αυτό σεβαστείτε τα δικαιώματα του κατόχου του εγγράφου.

Παραδείγματα

Παράθεση από μια αναφορά

Εξαγάγετε το κείμενο μιας αναφοράς PDF 40 σελίδων, αναζητήστε το στο πλαίσιο κειμένου και αντιγράψτε την παράγραφο που χρειάζεστε χωρίς να παλεύετε με την επιλογή του προγράμματος προβολής PDF.

Σαρωμένη επιστολή

Μια επιστολή που έχει σαρωθεί σε PDF δεν παράγει κείμενο. Το εργαλείο το αναφέρει και παραπέμπει στο εργαλείο OCR, το οποίο μπορεί να αναγνωρίσει το κείμενο από μια εικόνα της σελίδας.

Συχνές ερωτήσεις

Γιατί δεν βρίσκεται κείμενο στο PDF μου;

Το PDF πιθανότατα περιέχει σαρωμένες εικόνες και όχι κείμενο. Περάστε τις σελίδες από OCR για να αναγνωριστεί το κείμενο.

Γιατί οι λέξεις ή οι γραμμές έχουν λάθος σειρά;

Το εργαλείο χρησιμοποιεί τη σειρά με την οποία είναι αποθηκευμένο το κείμενο στο αρχείο. Ορισμένα προγράμματα αποθηκεύουν στήλες, κεφαλίδες ή πλαίσια κειμένου με διαφορετική σειρά από αυτήν που εμφανίζονται.

Γιατί το κείμενο περιέχει περίεργα σύμβολα;

Ορισμένα PDF χρησιμοποιούν γραμματοσειρές χωρίς πληροφορίες για το ποιον χαρακτήρα αντιπροσωπεύει κάθε γλύφος. Τα ορατά γράμματα δεν μπορούν να αντιστοιχιστούν ξανά σε κείμενο· το OCR είναι η μόνη επιλογή για τέτοια αρχεία.

Διατηρείται η μορφοποίηση, όπως η έντονη γραφή ή οι πίνακες;

Όχι. Το αποτέλεσμα είναι απλό κείμενο με αλλαγές γραμμής. Τα κελιά και οι στήλες πινάκων γίνονται κείμενο σε γραμμές.

Απόρρητο

Το PDF ανοίγει και διαβάζεται στον περιηγητή σας με το pdf.js. Το αρχείο και το εξαγόμενο κείμενο δεν μεταφορτώνονται, δεν αποθηκεύονται και δεν περιλαμβάνονται στα αναλυτικά στοιχεία· καταγράφεται μόνο ένα ανώνυμο συμβάν χρήσης του εργαλείου.