pdfMB

PDF у текст

Отримайте весь текст PDF у порядку читання, зібраний в абзаци. Скопіюйте його або завантажте файл .txt. Файл залишається на цьому пристрої.

  • Без завантаженняВаш файл залишається на цьому пристрої.
  • Ваш оригінал не змінюєтьсяВи завантажуєте нову копію. Ваш файл ніколи не змінюється.
  • Безкоштовно, без реєстраціїБез облікового запису й без денного ліміту.

Що відбувається з вашим файлом

Усе описане нижче відбувається у вашому браузері, на вашому власному пристрої. PDF не завантажується на сервер, тож ніхто інший, включно з нами, не може його побачити.

  1. Браузер відкриває PDF за допомогою pdf.js — вбудованого переглядача PDF у Firefox — і читає кожен фрагмент тексту разом із його розташуванням і розміром.
  2. Фрагменти тексту в одному рядку об’єднуються в рядки, а рядки — в абзаци, тож текст не обривається через кожні кілька слів. Слова, розірвані дефісом наприкінці рядка, знову з’єднуються.
  3. Сторінки на дві чи три колонки читаються колонка за колонкою. Під час копіювання з переглядача PDF колонки часто перемішуються рядок за рядком.
  4. Рядки, що повторюються вгорі чи внизу більшості сторінок, як-от колонтитули й номери сторінок, можна прибрати, щоб вони не розривали речення.
  5. Таблиці стають рядками тексту, де клітинки розділено табуляцією, тож під час вставлення в електронну таблицю вони потрапляють у потрібні стовпці.
  6. Деякі PDF, часто збережені з веббраузера, позначають певні символи як «не символ». У тайській мові це зазвичай знаки тонів над верхніми голосними. pdfMB відтворює їх зі шрифтів усередині вашого файлу.
  7. Сторінки без тексту, як-от скани, можна розпізнати тим самим рушієм OCR, що й в «OCR PDF». Завантажуються лише мовні дані, і лише один раз.
  8. Файл .txt зберігається на вашому пристрої в UTF-8, тож будь-яка мова передається без втрат. Текст можна й просто скопіювати в буфер обміну.
Коротко
  1. Виберіть PDF
  2. Натисніть «Перетворити на текст»
  3. Перевірте попередній перегляд
  4. Скопіюйте текст або завантажте файл .txt

Як дістати текст із PDF

  1. Виберіть PDF або перетягніть його в поле. pdfMB прочитає кожну сторінку й повідомить, чи є серед них скани без тексту.
  2. Якщо є відскановані сторінки, залиште увімкненим «Розпізнати текст відсканованих сторінок (OCR)» і виберіть мову документа.
  3. Натисніть «Перетворити на текст». Смуга покаже, скільки вже зроблено.
  4. Перегляньте результат. Можна залишити чи прибрати колонтитули, позначити початок сторінок або перейти на Markdown, щоб зберегти заголовки й таблиці.
  5. Натисніть «Копіювати все», щоб вставити текст деінде, або завантажте файл .txt.

Чому скопійований тайський текст часто втрачає знаки тонів

У тайських шрифтах є додаткові форми знаків тонів: піднесена, що стоїть над верхньою голосною, як у ที่ чи น้ำ, і звичайна. PDF зберігає, яку форму намальовано, а також таблицю, де вказано, яку літеру означає кожна форма.

Коли PDF зберігають із Chrome, Edge та інших браузерів на основі Chromium, ця таблиця часто стверджує, що піднесені форми означають «нічого». Під час копіювання тексту чи в інструменті, що довіряє таблиці, знак зникає, і น้ำ (вода) перетворюється на นำ (вести).

У нашому тесті з 35-сторінковою статтею тайської Вікіпедії, збереженою з Chrome, так було позначено 1 915 знаків тонів. pdfMB знаходить правильний знак у шрифті всередині файлу, і всі 4 911 знаків тонів збереглися.

Коли цим користуються

Повторно використати свій текст

Дістаньте текст старого звіту, листа чи резюме з PDF, щоб відредагувати його в будь-якій програмі.

Переклад

Вставляйте в перекладач цілі абзаци, а не рядки, що обриваються посеред речення.

Пошук і підрахунок

Шукайте в довгому документі, рахуйте слова або порівнюйте дві версії в текстовому редакторі.

Тайські документи

Копіюйте тайський текст зі збереженими знаками тонів, навіть із PDF, збережених із веббраузера.

Чого він не вміє

  • Зберігається лише текст. Зображення, діаграми й малюнки не включаються. Щоб зберегти їх, скористайтеся «PDF у JPG».
  • Жирний текст, курсив, заголовки й посилання стають звичайним текстом. Щоб їх зберегти, скористайтеся «PDF у Markdown».
  • Точне розташування тексту на сторінці не зберігається. Текст із рамок і полів вбудовується в потік абзаців.
  • Формули виходять звичайним текстом, а верхні й нижні індекси лишаються в тому самому рядку.
  • Мови з письмом справа наліво, як-от арабська та іврит, ще недостатньо протестовано. Ретельно перевіряйте результат.
  • PDF із паролем і PDF, власник яких заборонив копіювання, перетворити не можна.

Запитання про перетворення PDF на текст

Мій PDF завантажується на сервер?

Ні. pdfMB читає файл у вашому браузері, і він ніколи не залишає вашого пристрою. Ви можете перевірити це в мережевих інструментах браузера.

Чому б просто не скопіювати текст із переглядача PDF?

Більшість переглядачів копіюють рядок за рядком: кожен рядок закінчується розривом, колонки перемішуються, а слова з переносом лишаються розірваними. pdfMB з’єднує рядки в абзаци, читає колонки по порядку й може прибрати колонтитули та номери сторінок.

Чи зберігаються тайські знаки тонів?

Так. pdfMB також відновлює знаки тонів, які деякі PDF позначають як «не символ». У нашому тесті збереглися всі 4 911 знаків тонів 35-сторінкової тайської статті.

Чи можна прочитати відсканований PDF?

Так. Увімкніть OCR і виберіть мову. Перевірте результат, бо OCR може помилково прочитати імена й числа.

У якому кодуванні файл .txt?

UTF-8 — його відкриває будь-який сучасний редактор, зокрема Notepad, TextEdit і VS Code. Усі мови й символи зберігаються.

Чи є обмеження на кількість сторінок або розмір?

Жорсткого обмеження немає. Довгі документи обробляються довше, а дуже великим файлам на деяких телефонах може забракнути пам’яті.