Slik bruker du det
- Velg eller slipp en PDF-fil.
- Bestem om hver side skal starte med en overskrift som «--- Side 3 ---».
- Velg Trekk ut tekst og vent til alle sidene er lest.
- Kopier teksten eller last den ned som en UTF-8 .txt-fil.
Slik fungerer det
PDF-filer som er opprettet fra et tekstbehandlingsprogram, et nettsted eller de fleste andre programmer inneholder et tekstlag: tegnene og posisjonene deres. Verktøyet leser laget side for side med pdf.js og gjør det om til linjer med ren tekst. Skrifttyper, størrelser, farger, bilder og tabeller beholdes ikke; tabellceller kommer ut som tekst atskilt med mellomrom eller linjeskift.
Leserekkefølgen følger rekkefølgen som er lagret i PDF-en, og det er vanligvis den visuelle rekkefølgen. Flerkolonneoppsett, fotnoter og tekstbokser kan komme ut i uventet rekkefølge, og ord med bindestrek ved linjeslutt forblir delt.
Skannede dokumenter og bilder som er lagret som PDF inneholder bare bilder av tekst og har ikke noe tekstlag, så ingenting kan hentes ut. Verktøyet oppdager dette og viser deg til OCR (optisk tegngjenkjenning), som leser tekst fra bilder. Tekst i enkelte PDF-er bruker skrifttyper uten et riktig tegnkart; slik tekst kan komme ut som uleselige symboler.
PDF-er som krever passord for å åpnes, kan ikke leses. PDF-er med bare kopieringsbegrensninger leses, så respekter rettighetene til dokumentets eier.
Eksempler
Sitere fra en rapport
Trekk ut teksten fra en PDF-rapport på 40 sider, søk i tekstfeltet og kopier avsnittet du trenger uten å streve med å markere i PDF-viseren.
Skannet brev
Et brev som er skannet til PDF, gir ingen tekst. Verktøyet sier ifra og linker til OCR-verktøyet, som kan gjenkjenne teksten fra et bilde av siden.
Ofte stilte spørsmål
Hvorfor blir det ikke funnet tekst i PDF-en min?
PDF-en inneholder sannsynligvis skannede bilder i stedet for tekst. Kjør sidene gjennom OCR for å gjenkjenne teksten.
Hvorfor kommer ord eller linjer i feil rekkefølge?
Verktøyet bruker lagringsrekkefølgen for teksten i filen. Noen programmer lagrer kolonner, overskrifter eller tekstbokser i en annen rekkefølge enn slik de vises.
Hvorfor inneholder teksten rare symboler?
Noen PDF-er bruker skrifttyper uten informasjon om hvilket tegn hver glyf representerer. De synlige bokstavene kan ikke knyttes tilbake til tekst; OCR er eneste mulighet for slike filer.
Beholdes formatering som fet skrift eller tabeller?
Nei. Resultatet er ren tekst med linjeskift. Tabellceller og kolonner blir tekst på linjer.
Personvern
PDF-en åpnes og leses i nettleseren din med pdf.js. Filen og den uttrukne teksten lastes ikke opp, lagres ikke og inkluderes ikke i analyser; kun en anonym hendelse om at verktøyet ble brukt, telles.