PDF til tekst

PDF'en er højst sandsynligt en scanning eller et foto, som ikke har noget tekstlag at udtrække. Kør den først gennem OCR PDF. Det værktøj tilføjer et tekstlag og tilbyder også en .txt-download direkte.

Teksten læses fra venstre mod højre, oppefra og ned, efter PDF'ens interne struktur, hvilket er korrekt for de fleste dokumenter med én spalte. Layouts med flere spalter, sidebjælker og tabeller kan komme ud blandet sammen, og sidehoveder, sidefødder og sidetal medtages sammen med alt andet på siden.

Nej. Resultatet er ren UTF-8-tekst, så accenttegn, kyrillisk, CJK og arabisk bevares, men fed skrift, overskrifter, links og billeder gør ikke, og linjeskift følger PDF'ens linjer frem for afsnit. Til overskrifter og lister bevaret som Markdown, brug PDF til Markdown.

Ja. Tilføj så mange PDF'er, du vil, og klik på Udtræk én gang. Hver bliver til sin egen .txt-fil opkaldt efter kilden, og de downloades sammen som pdf-to-text.zip. En enkelt PDF downloades direkte som filename.txt.

Siderne følger efter hinanden med et linjeskift imellem. Der er ingen sidemarkører eller sideskift, så filen læses som én sammenhængende tekststrøm.

Nej, dette værktøj udtrækker altid hver side. Træk først de sider, du har brug for, ud i en separat PDF med Udtræk sider, og konvertér derefter den fil.

Hvis en PDF beder om en adgangskode, når du åbner den, spørger værktøjet efter adgangskoden, før det udtrækker. Uden adgangskoden kan teksten ikke læses.

Nej. Udtrækningen kører i en PDF-motor, der indlæses i din browser som WebAssembly, så kontrakter, patientjournaler og alt andet bliver på din enhed fra start til slut.