pdfMB

PDF в текст

Извадете целия текст от PDF в реда на четене, събран в абзаци. Копирайте го или изтеглете .txt файл. Файлът Ви остава на това устройство.

  • Без качванеФайлът остава на Вашето устройство.
  • Оригиналът остава непромененИзтегляте ново копие. Вашият файл не се променя.
  • Безплатно, без регистрацияБез акаунт и без дневен лимит.

Какво се случва с файла Ви

Всичко описано по-долу се случва във Вашия браузър, на Вашето устройство. PDF файлът не се качва, така че никой друг, включително ние, не може да го види.

  1. Браузърът Ви отваря PDF файла с pdf.js, вградения в Firefox визуализатор на PDF, и прочита всяко парче текст заедно с позицията и размера му.
  2. Парчетата текст на един ред се събират в редове, а редовете — в абзаци, така че текстът не се прекъсва на всеки няколко думи. Думите, пренесени с тире в края на реда, се съединяват отново.
  3. Страниците с две или три колони се четат колона по колона. При копиране от програма за преглед на PDF колоните често се смесват ред по ред.
  4. Редовете, които се повтарят в горната или долната част на повечето страници, като повтарящи се заглавия и номера на страници, могат да бъдат премахнати, за да не прекъсват изреченията.
  5. Таблиците стават по един ред на ред, с клетки, разделени с табулации, така че при поставяне в електронна таблица попадат в правилните колони.
  6. Някои PDF файлове, често записани от уеб браузър, отбелязват определени знаци като „няма знак“. В тайландския това обикновено са тоналните знаци над гласните. pdfMB ги възстановява от шрифтовете във Вашия файл.
  7. Страниците без текст, например сканираните, могат да бъдат разпознати със същата OCR машина като в „OCR PDF“. Изтеглят се само езиковите данни, и то веднъж.
  8. Файлът .txt се записва на Вашето устройство в UTF-8, така че всеки език се запазва, или текстът се копира в клипборда.
Накратко
  1. Изберете PDF
  2. Натиснете „Преобразуване в текст“
  3. Проверете прегледа
  4. Копирайте го или изтеглете .txt файла

Как да извадите текста от PDF

  1. Изберете PDF или го пуснете в полето. pdfMB прочита всяка страница и Ви казва дали има сканирани страници без текст.
  2. Ако има сканирани страници, оставете включено „Разпознаване на текста в сканираните страници (OCR)“ и изберете езика на документа.
  3. Натиснете „Преобразуване в текст“. Лента показва докъде е стигнало.
  4. Разгледайте прегледа. Можете да запазите или премахнете колонтитулите, да отбележите началото на страниците или да превключите на Markdown, за да запазите заглавията и таблиците.
  5. Натиснете „Копиране на всичко“, за да поставите текста другаде, или изтеглете .txt файла.

Защо при копиране тайландският текст често губи тоналните знаци

Тайландските шрифтове имат допълнителни форми за тоналните знаци: повдигната, която стои над горна гласна, както в ที่ или น้ำ, и обикновена. PDF файлът пази коя форма е начертана, плюс таблица, която казва коя буква означава всяка форма.

Когато PDF се запише от Chrome, Edge и други браузъри на Chromium, тази таблица често казва, че повдигнатите форми означават „нищо“. При копиране на текста или в инструмент, който се доверява на таблицата, знакът изчезва и น้ำ (вода) се превръща в นำ (водя).

В нашия тест с тайландска статия от Wikipedia от 35 страници, записана от Chrome, 1915 тонални знака бяха отбелязани по този начин. pdfMB намира правилния знак в шрифта във файла и всичките 4911 тонални знака се запазиха.

Кога се използва

Повторна употреба на Ваш текст

Извадете текста на стар доклад, писмо или автобиография от PDF, за да го редактирате във всяка програма.

Превод

Поставяйте в преводача цели абзаци, а не редове, които спират по средата на изречението.

Търсене и броене

Търсете в дълъг документ, бройте думи или сравнявайте две версии в текстов редактор.

Тайландски документи

Копирайте тайландски текст, който запазва тоналните си знаци, дори от PDF файлове, записани от уеб браузър.

Какво не може

  • Запазва се само текстът. Картинките, диаграмите и чертежите не се включват. За да ги запазите, използвайте „PDF в JPG“.
  • Удебеленият текст, курсивът, заглавията и връзките стават обикновен текст. За да ги запазите, използвайте „PDF в Markdown“.
  • Точното място на текста върху страницата не се запазва. Текстът в карета и полета се вмъква в потока от абзаци.
  • Формулите излизат като обикновен текст, а горните и долните индекси остават на същия ред.
  • Езиците, които се пишат отдясно наляво, като арабски и иврит, все още не са тествани достатъчно. Проверете резултата внимателно.
  • PDF файлове със защита с парола и такива, чийто собственик е забранил копирането, не могат да бъдат преобразувани.

Въпроси за преобразуването на PDF в текст

Качва ли се моят PDF?

Не. pdfMB чете файла във Вашия браузър и той никога не напуска устройството Ви. Можете да проверите това в мрежовите инструменти на браузъра си.

Защо просто да не копирам от програмата за преглед на PDF?

Повечето програми копират ред по ред, така че всеки ред завършва с прекъсване, колоните се смесват, а пренесените думи остават разделени. pdfMB събира редовете в абзаци, чете колоните по ред и може да пропусне колонтитулите и номерата на страниците.

Запазват ли се тайландските тонални знаци?

Да. pdfMB възстановява и тоналните знаци, които някои PDF файлове отбелязват като „няма знак“. В нашия тест бяха запазени всичките 4911 тонални знака в тайландска статия от 35 страници.

Може ли да прочете сканиран PDF?

Да. Включете OCR и изберете езика. Проверете резултата, защото OCR може да разчете грешно имена и числа.

С какво кодиране е .txt файлът?

UTF-8, което се отваря от всеки съвременен редактор, включително Notepad, TextEdit и VS Code. Всички езици и символи се запазват.

Има ли ограничение за страници или размер?

Няма фиксирано ограничение. Дългите документи отнемат повече време, а много големите файлове може да изчерпят паметта на някои телефони.