pdfMB

PDF do tekstu

Wyciągnij cały tekst z PDF, w kolejności czytania i połączony w akapity. Skopiuj go albo pobierz plik .txt. Twój plik zostaje na tym urządzeniu.

  • Bez przesyłaniaTwój plik zostaje na tym urządzeniu.
  • Oryginał pozostaje bez zmianPobierasz nową kopię. Twój plik nigdy nie jest zmieniany.
  • Za darmo, bez rejestracjiBez konta i bez dziennego limitu.

Co dzieje się z Twoim plikiem

Wszystko poniżej dzieje się w Twojej przeglądarce, na Twoim urządzeniu. PDF nie jest przesyłany, więc nikt inny, także my, nie może go zobaczyć.

  1. Przeglądarka otwiera PDF za pomocą pdf.js, czytnika PDF wbudowanego w Firefox, i odczytuje każdy fragment tekstu wraz z położeniem i rozmiarem.
  2. Fragmenty tekstu w tym samym wierszu są łączone w wiersze, a wiersze w akapity, więc nie dostajesz twardego podziału wiersza co kilka słów. Słowa przeniesione z łącznikiem na końcu wiersza są z powrotem łączone.
  3. Strony z dwiema lub trzema kolumnami są czytane kolumna po kolumnie. Kopiowanie z przeglądarki PDF często miesza kolumny wiersz po wierszu.
  4. Wiersze powtarzające się na górze lub dole większości stron, takie jak żywa pagina i numery stron, można usunąć, aby nie przerywały zdań.
  5. Każdy wiersz tabeli trafia do osobnej linii, a komórki są rozdzielone tabulatorami, więc po wklejeniu do arkusza kalkulacyjnego lądują we właściwych kolumnach.
  6. Niektóre pliki PDF, często zapisane z przeglądarki internetowej, oznaczają pewne znaki jako „brak znaku”. W języku tajskim są to zwykle znaki tonu nad samogłoskami. pdfMB odtwarza je z czcionek zapisanych w Twoim pliku.
  7. Strony bez tekstu, na przykład skany, można odczytać tym samym silnikiem OCR co w narzędziu „OCR PDF”. Pobierane są tylko dane językowe, jeden raz.
  8. Plik .txt jest zapisywany na Twoim urządzeniu w UTF-8, więc każdy język zostaje zachowany, albo tekst jest kopiowany do schowka.
W skrócie
  1. Wybierz PDF
  2. Naciśnij „Konwertuj na tekst”
  3. Sprawdź podgląd
  4. Skopiuj tekst albo pobierz plik .txt

Jak wyciągnąć tekst z PDF

  1. Wybierz PDF lub upuść go na pole. pdfMB odczytuje każdą stronę i informuje, czy któreś strony są skanami bez tekstu.
  2. Jeśli są zeskanowane strony, zostaw włączone „Odczytaj tekst zeskanowanych stron (OCR)” i wybierz język dokumentu.
  3. Naciśnij „Konwertuj na tekst”. Pasek pokazuje postęp.
  4. Przejrzyj podgląd. Możesz zachować lub usunąć nagłówki i stopki stron, zaznaczyć, gdzie zaczynają się strony, albo przełączyć na Markdown, aby zachować nagłówki i tabele.
  5. Naciśnij „Kopiuj wszystko”, aby wkleić tekst gdzie indziej, albo pobierz plik .txt.

Dlaczego skopiowany tajski tekst często gubi znaki tonu

Tajskie czcionki mają dodatkowe kształty znaków tonu: podniesiony, który stoi nad górną samogłoską, jak w ที่ czy น้ำ, oraz zwykły. PDF zapisuje, który kształt narysowano, plus tabelę, która mówi, jaką literę oznacza każdy kształt.

Gdy PDF jest zapisywany z Chrome, Edge i innych przeglądarek opartych na Chromium, ta tabela często podaje, że podniesione kształty oznaczają „nic”. Przy kopiowaniu tekstu, albo w narzędziu, które ufa tabeli, znak znika, a น้ำ (woda) zmienia się w นำ (prowadzić).

W naszym teście z 35-stronicowym artykułem z tajskiej Wikipedii zapisanym z Chrome tak oznaczonych było 1915 znaków tonu. pdfMB znajduje właściwy znak w czcionce zapisanej w pliku i wszystkie 4911 znaków tonu zostało zachowanych.

Kiedy ludzie z tego korzystają

Ponowne użycie własnego tekstu

Wyciągnij tekst starego raportu, listu lub CV z pliku PDF, aby edytować go w dowolnym programie.

Tłumaczenie

Wklejaj do tłumacza całe akapity zamiast wierszy, które urywają się w połowie zdania.

Wyszukiwanie i liczenie

Przeszukaj długi dokument, policz słowa albo porównaj dwie wersje w edytorze tekstu.

Dokumenty tajskie

Kopiuj tajski tekst z zachowanymi znakami tonu, także z plików PDF zapisanych z przeglądarki internetowej.

Czego nie potrafi

  • Zachowywany jest tylko tekst. Obrazy, wykresy i rysunki są pomijane. Użyj narzędzia „PDF do JPG”, aby je zapisać.
  • Pogrubienie, kursywa, nagłówki i linki stają się zwykłym tekstem. Użyj narzędzia „PDF do Markdown”, aby je zachować.
  • Dokładne położenie tekstu na stronie nie jest zachowywane. Tekst w ramkach i na marginesach trafia do ciągu akapitów.
  • Równania wychodzą jako zwykły tekst, z indeksami górnymi i dolnymi w tym samym wierszu.
  • Języki pisane od prawej do lewej, takie jak arabski i hebrajski, nie zostały jeszcze wystarczająco przetestowane. Dokładnie sprawdź wynik.
  • Nie da się przekonwertować plików PDF chronionych hasłem ani takich, w których właściciel zablokował kopiowanie.

Pytania o konwersję PDF do tekstu

Czy mój PDF jest przesyłany?

Nie. pdfMB odczytuje plik w Twojej przeglądarce i plik nigdy nie opuszcza urządzenia. Możesz to sprawdzić w narzędziach sieciowych przeglądarki.

Dlaczego nie skopiować po prostu z przeglądarki PDF?

Większość przeglądarek kopiuje wiersz po wierszu, więc każdy wiersz kończy się podziałem, kolumny się mieszają, a słowa przeniesione z łącznikiem zostają rozdzielone. pdfMB łączy wiersze w akapity, czyta kolumny po kolei i może pominąć nagłówki oraz numery stron.

Czy zachowuje tajskie znaki tonu?

Tak. pdfMB przywraca także znaki tonu, które niektóre pliki PDF oznaczają jako „brak znaku”. W naszym teście zachowano wszystkie 4911 znaków tonu z 35-stronicowego tajskiego artykułu.

Czy odczyta zeskanowany PDF?

Tak. Włącz OCR i wybierz język. Sprawdź wynik, bo OCR może błędnie odczytać nazwiska i liczby.

Jakie kodowanie ma plik .txt?

UTF-8, który otworzy każdy nowoczesny edytor, w tym Notepad, TextEdit i VS Code. Wszystkie języki i symbole są zachowane.

Czy jest limit stron lub rozmiaru?

Nie ma stałego limitu. Długie dokumenty trwają dłużej, a na niektórych telefonach przy bardzo dużych plikach może zabraknąć pamięci.