pdfMB

PDF till text

Få ut all text ur en PDF, i läsordning och ihopslagen till stycken. Kopiera den eller ladda ned en .txt-fil. Din fil stannar på den här enheten.

  • Ingen uppladdningDin fil stannar på den här enheten.
  • Din original ändras inteDu laddar ned en ny kopia. Din fil ändras aldrig.
  • Gratis, utan kontoInget konto och ingen daglig gräns.

Vad som händer med din fil

Allt nedan sker i din webbläsare, på din egen enhet. PDF:en laddas inte upp, så ingen annan, inte heller vi, kan se den.

  1. Din webbläsare öppnar PDF:en med pdf.js, PDF-visaren som är inbyggd i Firefox, och läser varje textbit med dess placering och storlek.
  2. Textbitar på samma rad slås ihop till rader, och rader till stycken, så att du inte får en hård radbrytning efter några få ord. Ord som avstavats med bindestreck i slutet av en rad sätts ihop igen.
  3. Sidor med två eller tre spalter läses en spalt i taget. Kopierar man från en PDF-visare blandas spalterna ofta rad för rad i stället.
  4. Rader som upprepas överst eller nederst på de flesta sidor, som löpande rubriker och sidnummer, kan tas bort så att de inte avbryter meningar.
  5. Varje tabellrad blir en textrad, med cellerna åtskilda av tabbar, så att de hamnar i rätt kolumner när du klistrar in dem i ett kalkylark.
  6. Vissa PDF:er, ofta sådana som sparats från en webbläsare, markerar vissa tecken som ”inget tecken”. På thailändska är det oftast tontecken ovanför vokaler. pdfMB bygger upp dem igen från typsnitten i din fil.
  7. Sidor utan text, som skanningar, kan läsas med samma OCR-motor som ”OCR PDF”. Bara språkdatan laddas ned, en gång.
  8. Filen .txt sparas som UTF-8 på din enhet, så att alla språk kommer med, eller så kopieras texten till urklipp.
Kort sagt
  1. Välj en PDF
  2. Tryck på ”Konvertera till text”
  3. Kontrollera förhandsvisningen
  4. Kopiera den eller ladda ned .txt-filen

Så får du ut texten ur en PDF

  1. Välj en PDF eller släpp den i rutan. pdfMB läser varje sida och berättar om några sidor är skanningar utan text.
  2. Om det finns skannade sidor, låt ”Läs texten på skannade sidor (OCR)” vara påslaget och välj dokumentets språk.
  3. Tryck på ”Konvertera till text”. En stapel visar hur långt det har kommit.
  4. Titta igenom förhandsvisningen. Du kan behålla eller ta bort sidhuvuden och sidfötter, markera var sidorna börjar eller byta till Markdown för att behålla rubriker och tabeller.
  5. Tryck på ”Kopiera allt” för att klistra in texten någon annanstans, eller ladda ned .txt-filen.

Varför kopierad thailändsk text ofta tappar tontecken

Thailändska typsnitt har extra former för tontecken: en upphöjd som sitter ovanför en övre vokal, som i ที่ eller น้ำ, och en vanlig. PDF:en sparar vilken form som ritades, plus en tabell som anger vilken bokstav varje form står för.

När en PDF sparas från Chrome, Edge och andra Chromium-webbläsare säger den tabellen ofta att de upphöjda formerna står för ”ingenting”. När texten kopieras, eller i ett verktyg som litar på tabellen, försvinner tecknet, och น้ำ (vatten) blir นำ (leda).

I vårt test med en thailändsk Wikipedia-artikel på 35 sidor, sparad från Chrome, var 1 915 tontecken markerade så här. pdfMB hittar rätt tecken i typsnittet i filen, och alla 4 911 tontecken kom med.

När folk använder det

Återanvänd det du skrivit

Få ut texten ur en gammal rapport, ett brev eller ett cv i PDF för att redigera den i vilket program som helst.

Översätta

Klistra in hela stycken i en översättare, i stället för rader som slutar mitt i en mening.

Söka och räkna

Sök i ett långt dokument, räkna ord eller jämför två versioner i en textredigerare.

Thailändska dokument

Kopiera thailändsk text som behåller sina tontecken, även från PDF:er som sparats från en webbläsare.

Vad det inte klarar

  • Bara text behålls. Bilder, diagram och teckningar tas inte med. Använd ”PDF till JPG” för att spara dem.
  • Fetstil, kursiv, rubriker och länkar blir vanlig text. Använd ”PDF till Markdown” för att behålla dem.
  • Textens exakta placering på sidan behålls inte. Text i rutor och marginaler läggs in i flödet av stycken.
  • Ekvationer blir vanlig text, med upphöjt och nedsänkt på samma rad.
  • Språk som skrivs från höger till vänster, som arabiska och hebreiska, har inte testats tillräckligt än. Kontrollera resultatet noga.
  • PDF:er med lösenord, och PDF:er där ägaren har spärrat kopiering, går inte att konvertera.

Frågor om att konvertera PDF till text

Laddas min PDF upp?

Nej. pdfMB läser filen i din webbläsare, och den lämnar aldrig din enhet. Du kan kontrollera det i webbläsarens nätverksverktyg.

Varför inte bara kopiera från min PDF-visare?

De flesta visare kopierar rad för rad, så varje rad slutar med en radbrytning, spalter blandas och avstavade ord förblir delade. pdfMB slår ihop rader till stycken, läser spalter i ordning och kan utelämna sidhuvuden och sidnummer.

Behålls thailändska tontecken?

Ja. pdfMB återställer också tontecken som vissa PDF:er markerar som ”inget tecken”. I vårt test behölls alla 4 911 tontecken i en thailändsk artikel på 35 sidor.

Kan den läsa en skannad PDF?

Ja. Slå på OCR och välj språk. Kontrollera resultatet, eftersom OCR kan läsa fel på namn och siffror.

Vilken teckenkodning har .txt-filen?

UTF-8, som alla moderna textredigerare öppnar, även Notepad, TextEdit och VS Code. Alla språk och symboler behålls.

Finns det någon gräns för sidor eller storlek?

Det finns ingen fast gräns. Långa dokument tar längre tid, och mycket stora filer kan få slut på minne på vissa telefoner.