tigtools

PDF tekstiksi

Valitse PDF ja saat sen tekstin pelkkänä tekstinä, halutessasi sivuotsikoilla, valmiina kopioitavaksi tai tallennettavaksi. Tekstin poiminta tapahtuu selaimessasi pdf.js:n avulla.

Toimii selaimessasi Ei rekisteröitymistä

tai pudota se tähän. Tiedosto pysyy laitteellasi.

Käyttöohje

  1. Valitse tai pudota PDF-tiedosto.
  2. Valitse, alkaako jokainen sivu otsikolla, kuten ”--- Sivu 3 ---”.
  3. Valitse Poimi teksti ja odota, kunnes kaikki sivut on luettu.
  4. Kopioi teksti tai lataa se UTF-8 .txt-tiedostona.

Näin se toimii

PDF-tiedostot, jotka on luotu tekstinkäsittelyohjelmalla, verkkosivustolla tai useimmilla muilla ohjelmilla, sisältävät tekstikerroksen: merkit ja niiden sijainnit. Työkalu lukee tämän kerroksen sivu kerrallaan pdf.js:n avulla ja muuntaa sen pelkäksi tekstiksi riveiksi. Fontteja, kokoja, värejä, kuvia tai taulukoita ei säilytetä; taulukon solut tulevat tekstinä välilyönnein tai rivinvaihdoin eroteltuina.

Lukujärjestys noudattaa PDF:ään tallennettua järjestystä, joka on yleensä visuaalinen järjestys. Monipalstaiset asettelut, alaviitteet ja tekstilaatikot voivat tulla odottamattomassa järjestyksessä, ja rivien lopussa olevat tavutetut sanat pysyvät katkaistuina.

Skannatut asiakirjat ja valokuvat, jotka on tallennettu PDF-muodossa, sisältävät vain kuvia tekstistä eikä niissä ole tekstikerrosta, joten mitään ei voida poimia. Työkalu tunnistaa tämän ja ohjaa sinut OCR:ään (optinen tekstintunnistus), joka lukee tekstiä kuvista. Joidenkin PDF-tiedostojen teksti käyttää fontteja, joissa ei ole asianmukaista merkistökarttaa; tällainen teksti voi tulla lukukelvottomina symboleina.

Salasanalla avattavia PDF-tiedostoja ei voida lukea. PDF-tiedostot, joissa on vain kopiointirajoituksia, luetaan, joten kunnioita asiakirjan omistajan oikeuksia.

Esimerkit

Raportin lainaus

Poimi 40-sivuisen PDF-raportin teksti, hae sitä tekstikentässä ja kopioi tarvitsemasi kappale ilman PDF-katselimen valintaongelmia.

Skannattu kirje

PDF:ksi skannattu kirje ei tuota tekstiä. Työkalu kertoo tämän ja linkittää OCR-työkaluun, joka voi tunnistaa tekstin sivun kuvasta.

Usein kysytyt kysymykset

Miksi PDF-tiedostostani ei löydy tekstiä?

PDF sisältää todennäköisesti skannattuja kuvia tekstin sijaan. Käytä OCR:ää tekstin tunnistamiseen.

Miksi sanat tai rivit ovat väärässä järjestyksessä?

Työkalu käyttää järjestystä, jossa teksti on tallennettu tiedostoon. Jotkin ohjelmat tallentavat palstat, otsikot tai tekstilaatikot eri järjestyksessä kuin ne näkyvät.

Miksi teksti sisältää outoja symboleja?

Joissakin PDF-tiedostoissa käytetään fontteja, joissa ei ole tietoa siitä, mitä merkkiä kukin glyyfi esittää. Näkyviä kirjaimia ei voida yhdistää takaisin tekstiksi; OCR on ainoa vaihtoehto tällaisille tiedostoille.

Säilyvätkö muotoilut, kuten lihavointi tai taulukot?

Ei. Tulos on pelkkää tekstiä rivinvaihdoin. Taulukon solut ja sarakkeet tulevat tekstiksi riveille.

Tietosuoja

PDF avataan ja luetaan selaimessasi pdf.js-kirjastolla. Tiedostoa ja poimittua tekstiä ei ladata, tallenneta eikä sisällytetä analytiikkaan; vain anonyymi tapahtuma työkalun käytöstä lasketaan.