PDF in Testo

Molto probabilmente il PDF è una scansione o una foto, che non ha un livello di testo da estrarre. Passalo prima da OCR PDF: quello strumento aggiunge un livello di testo e offre anche un download diretto in .txt.

Il testo viene letto da sinistra a destra e dall'alto in basso, seguendo la struttura interna del PDF, il che è corretto per la maggior parte dei documenti a colonna singola. I layout a più colonne, le barre laterali e le tabelle possono risultare intercalati, e intestazioni, piè di pagina e numeri di pagina sono inclusi insieme a tutto il resto.

No. L'output è testo UTF-8 semplice, quindi i caratteri accentati, il cirillico, il CJK e l'arabo vengono conservati, ma grassetto, titoli, link e immagini no, e le interruzioni di riga seguono le righe del PDF anziché i paragrafi. Per mantenere titoli ed elenchi come Markdown, usa PDF in Markdown.

Sì. Aggiungi tutti i PDF che vuoi e clicca una sola volta su Estrai: ognuno diventa un file .txt con il nome dell'originale e vengono scaricati insieme come pdf-to-text.zip. Un singolo PDF viene scaricato direttamente come filename.txt.

Le pagine si susseguono con un'interruzione di riga in mezzo. Non ci sono indicatori di pagina né salti pagina, quindi il file si legge come un unico flusso continuo di testo.

No, questo strumento estrae sempre tutte le pagine. Porta prima le pagine che ti servono in un PDF separato con Estrai pagine, poi converti quel file.

Se un PDF chiede una password all'apertura, lo strumento te la chiede prima di estrarre. Senza la password, il testo non può essere letto.

No. L'estrazione viene eseguita da un motore PDF caricato nel tuo browser come WebAssembly, quindi contratti, cartelle cliniche e qualsiasi altro documento restano sul tuo dispositivo dall'inizio alla fine.