Po co wyodrębniać tekst z PDF
Kopiowanie tekstu z przeglądarki PDF często kończy się źle: wiersze łamią się w środku zdań, kolumny się mieszają, a ręczne zaznaczanie 50 stron jest męczące. To narzędzie odczytuje tekst z całego dokumentu naraz i zwraca czysty, zwykły tekst. Możesz go użyć, aby wkleić dokument do e-maila lub tłumacza, zacytować raport, przekazać tekst innemu programowi, policzyć słowa albo zachować przeszukiwalną kopię tekstową dokumentu.
Trzy tryby tekstu
- Wiersze: tekst wiersz po wierszu, tak jak wygląda na stronie. Dobry do list, adresów i krótkich dokumentów.
- Akapity: wiersze, które do siebie należą, są łączone w akapity, a wyrazy podzielone dywizem na końcu wiersza są w miarę możliwości scalane. Najlepszy do artykułów, książek i raportów, które chcesz wkleić do edytora tekstu lub tłumacza.
- Układ: dodawane są spacje, aby zachować położenie tekstu na stronie, dzięki czemu tabele i kolumny pozostają mniej więcej wyrównane w czcionce o stałej szerokości. Przydatny w przypadku faktur, wyciągów i formularzy.
Podgląd odświeża się po zmianie trybu i pokazuje liczbę znaków oraz słów.
Opcje pliku
- Separator stron: wiersz z oznaczeniem, np. ----- Page 3 -----, pusty wiersz lub znak wysuwu strony, którego niektóre programy używają jako podziału strony.
- Zakończenia wierszy: Windows (CRLF) dla Notatnika i większości programów w systemie Windows albo Unix (LF) dla macOS, Linuksa i edytorów kodu.
- BOM: dodaje na początku pliku znacznik, który pomaga starszym programom dla Windows rozpoznać tekst UTF-8 w językach takich jak chiński czy rosyjski.
- Osobny plik dla każdej strony: każda strona trafia do własnego pliku TXT, a wszystkie są spakowane w jednym archiwum ZIP.
Zeskanowane pliki PDF
Zeskanowany plik PDF zawiera tylko obrazy stron, więc nie ma w nim tekstu do wyodrębnienia. Narzędzie wykrywa strony bez tekstu i informuje o tym. Jednym kliknięciem możesz przesłać dokument do narzędzia OCR PDF, które rozpoznaje tekst i może od razu zwrócić go jako plik TXT. Samo wyodrębnianie tekstu odbywa się w przeglądarce i nie wysyła pliku na serwer; OCR działa na naszym serwerze.
Czego zwykły tekst nie zachowa
Zwykły tekst nie zawiera czcionek, pogrubień, obrazów ani tabel. Jeśli potrzebujesz formatowania, przekonwertuj plik na edytowalny dokument za pomocą PDF na Word lub przenieś tabele do arkusza kalkulacyjnego za pomocą PDF na Excel. Niektóre pliki PDF przechowują tekst w nietypowych kodowaniach czcionek i wtedy wyodrębniony tekst zawiera błędne znaki; w takim przypadku OCR zwykle daje lepszy wynik.