pdfMB

PDF na text

Získejte všechen text z PDF ve správném pořadí čtení a spojený do odstavců. Zkopírujte ho nebo stáhněte soubor .txt. Váš soubor zůstává v tomto zařízení.

  • Bez nahráváníVáš soubor zůstává v tomto zařízení.
  • Originál zůstává beze změnyStáhnete si novou kopii. Váš soubor se nikdy nemění.
  • Zdarma, bez registraceBez účtu a bez denního limitu.

Co se děje s vaším souborem

Vše popsané níže probíhá ve vašem prohlížeči, ve vašem vlastním zařízení. PDF se nenahrává, takže ho nikdo jiný, ani my, nemůže vidět.

  1. Prohlížeč otevře PDF pomocí pdf.js, prohlížeče PDF zabudovaného ve Firefoxu, a přečte každý kousek textu i s jeho polohou a velikostí.
  2. Kousky textu na stejném řádku se spojí do řádků a řádky do odstavců, takže nedostanete pevné zalomení řádku po každých pár slovech. Slova rozdělená spojovníkem na konci řádku se znovu spojí.
  3. Stránky se dvěma nebo třemi sloupci se čtou po sloupcích. Při kopírování z prohlížeče PDF se sloupce často promíchají řádek po řádku.
  4. Řádky, které se opakují nahoře nebo dole na většině stránek, například živá záhlaví a čísla stránek, lze odstranit, aby nepřerušovaly věty.
  5. Každý řádek tabulky bude na jednom řádku a buňky oddělí tabulátory, takže se po vložení do tabulkového procesoru dostanou do správných sloupců.
  6. Některá PDF, často ta uložená z webového prohlížeče, označují určité znaky jako „žádný znak“. V thajštině jsou to obvykle tónová znaménka nad samohláskami. pdfMB je znovu sestaví z písem uložených ve vašem souboru.
  7. Stránky bez textu, například skeny, lze přečíst stejným OCR jako v nástroji „OCR PDF“. Stahují se jen jazyková data, a to jednou.
  8. Soubor .txt se uloží ve vašem zařízení v UTF-8, takže projde každý jazyk, nebo se text zkopíruje do schránky.
Ve zkratce
  1. Vyberte PDF
  2. Stiskněte „Převést na text“
  3. Zkontrolujte náhled
  4. Zkopírujte text nebo stáhněte soubor .txt

Jak dostat text z PDF

  1. Vyberte PDF nebo ho přetáhněte do rámečku. pdfMB přečte každou stránku a řekne vám, jestli jsou mezi nimi naskenované stránky bez textu.
  2. Pokud jsou tam naskenované stránky, nechte zapnuté „Přečíst text naskenovaných stránek (OCR)“ a vyberte jazyk dokumentu.
  3. Stiskněte „Převést na text“. Lišta ukazuje, jak daleko převod je.
  4. Projděte si náhled. Můžete ponechat nebo odstranit záhlaví a zápatí, označit, kde začínají stránky, nebo přepnout na Markdown a zachovat nadpisy a tabulky.
  5. Stiskněte „Kopírovat vše“ a vložte text jinam, nebo stáhněte soubor .txt.

Proč zkopírovaný thajský text často ztrácí tónová znaménka

Thajská písma mají pro tónová znaménka další tvary: zvýšený, který sedí nad horní samohláskou, jako v ที่ nebo น้ำ, a běžný. PDF ukládá, který tvar byl nakreslen, a k tomu tabulku, která říká, jaké písmeno který tvar znamená.

Když se PDF uloží z Chromu, Edge a dalších prohlížečů založených na Chromiu, tabulka často uvádí, že zvýšené tvary neznamenají „nic“. Při kopírování textu, nebo v nástroji, který tabulce věří, znaménko zmizí a z น้ำ (voda) se stane นำ (vést).

V našem testu s 35stránkovým článkem z thajské Wikipedie uloženým z Chromu bylo takto označeno 1 915 tónových znamének. pdfMB najde správné znaménko v písmu uloženém v souboru a všech 4 911 tónových znamének zůstalo zachováno.

Kdy se to hodí

Znovu použít, co jste napsali

Dostaňte text staré zprávy, dopisu nebo životopisu z PDF a upravte ho v libovolném programu.

Překlad

Vkládejte do překladače celé odstavce, ne řádky, které končí uprostřed věty.

Hledání a počítání

Prohledejte dlouhý dokument, spočítejte slova nebo porovnejte dvě verze v textovém editoru.

Thajské dokumenty

Kopírujte thajský text i s tónovými znaménky, i z PDF uložených z webového prohlížeče.

Co to neumí

  • Zachová se jen text. Obrázky, grafy a kresby se vynechají. Uložíte je pomocí „PDF do JPG“.
  • Tučné písmo, kurzíva, nadpisy a odkazy se změní na obyčejný text. Pokud je chcete zachovat, použijte „PDF do Markdownu“.
  • Přesná poloha textu na stránce se nezachová. Text v rámečcích a na okrajích se zařadí do toku odstavců.
  • Rovnice vyjdou jako prostý text, s horními a dolními indexy na stejném řádku.
  • Jazyky psané zprava doleva, například arabština a hebrejština, zatím nejsou dostatečně otestované. Výsledek pečlivě zkontrolujte.
  • PDF chráněná heslem a PDF, jejichž vlastník zablokoval kopírování, převést nejde.

Otázky k převodu PDF na text

Nahrává se moje PDF?

Ne. pdfMB čte soubor ve vašem prohlížeči a soubor nikdy neopustí vaše zařízení. Můžete si to ověřit v síťových nástrojích prohlížeče.

Proč nekopírovat rovnou z prohlížeče PDF?

Většina prohlížečů kopíruje řádek po řádku, takže každý řádek končí zalomením, sloupce se promíchají a slova rozdělená spojovníkem zůstanou rozdělená. pdfMB spojí řádky do odstavců, čte sloupce ve správném pořadí a umí vynechat záhlaví a čísla stránek.

Zachová thajská tónová znaménka?

Ano. pdfMB obnoví i tónová znaménka, která některá PDF označují jako „žádný znak“. V našem testu zůstalo zachováno všech 4 911 tónových znamének z 35stránkového thajského článku.

Přečte i naskenované PDF?

Ano. Zapněte OCR a vyberte jazyk. Výsledek zkontrolujte, protože OCR může špatně přečíst jména a čísla.

Jaké kódování má soubor .txt?

UTF-8, které otevře každý moderní editor, včetně Notepad, TextEdit a VS Code. Všechny jazyky a symboly zůstanou zachované.

Je nějaký limit počtu stránek nebo velikosti?

Pevný limit není. Dlouhé dokumenty trvají déle a u velmi velkých souborů může na některých telefonech dojít paměť.