Як користуватися
- Виберіть або перетягніть PDF-файл.
- Вирішіть, чи має кожна сторінка починатися із заголовка, як-от «--- Сторінка 3 ---».
- Натисніть «Витягти текст» і зачекайте, поки всі сторінки буде прочитано.
- Скопіюйте текст або завантажте його як .txt-файл у кодуванні UTF-8.
Як це працює
PDF-файли, створені в текстовому процесорі, на вебсайті або в більшості іншого програмного забезпечення, містять текстовий шар: символи та їхні позиції. Інструмент зчитує цей шар сторінка за сторінкою за допомогою pdf.js і перетворює його на рядки звичайного тексту. Шрифти, розміри, кольори, зображення і таблиці не зберігаються; клітинки таблиць виходять як текст, розділений пробілами або переносами рядків.
Порядок читання відповідає порядку, збереженому в PDF, який зазвичай збігається з візуальним порядком. Багатоколонкові макети, виноски та текстові блоки можуть виводитися в несподіваній послідовності, а слова з переносами в кінці рядків залишаються розділеними.
Скановані документи та фотографії, збережені як PDF, містять лише зображення тексту і не мають текстового шару, тому нічого витягти не можна. Інструмент виявляє це і спрямовує вас до OCR (оптичного розпізнавання символів), яке читає текст із зображень. Текст у деяких PDF використовує шрифти без належної таблиці символів; такий текст може відображатися як нечитабельні символи.
PDF-файли, для відкриття яких потрібен пароль, прочитати не можна. PDF-файли лише з обмеженнями на копіювання читаються, тому поважайте права власника документа.
Приклади
Цитування звіту
Витягніть текст 40-сторінкового PDF-звіту, знайдіть потрібне в текстовому полі та скопіюйте абзац без труднощів із виділенням у переглядачі PDF.
Відсканований лист
Лист, відсканований у PDF, не містить тексту. Інструмент повідомляє про це і дає посилання на інструмент OCR, який може розпізнати текст із зображення сторінки.
Поширені запитання
Чому в моєму PDF не знайдено текст?
Найімовірніше, PDF містить відскановані зображення, а не текст. Обробіть сторінки через OCR, щоб розпізнати текст.
Чому слова або рядки розташовані в неправильному порядку?
Інструмент використовує порядок, у якому текст збережено у файлі. Деякі програми зберігають колонки, заголовки або текстові блоки в порядку, відмінному від того, як вони виглядають.
Чому текст містить дивні символи?
Деякі PDF-файли використовують шрифти без інформації про те, який символ відповідає кожному гліфу. Видимі літери неможливо зіставити з текстом; для таких файлів єдиний варіант — OCR.
Чи зберігається форматування, наприклад жирний шрифт або таблиці?
Ні. На виході звичайний текст із переносами рядків. Клітинки й стовпці таблиць стають текстом у рядках.
Конфіденційність
PDF-файл відкривається та читається у вашому браузері за допомогою pdf.js. Файл і витягнутий текст не завантажуються, не зберігаються та не потрапляють в аналітику; зараховується лише анонімна подія про використання інструмента.