PDF na tekst

PDF to najprawdopodobniej skan lub zdjęcie, które nie ma warstwy tekstowej do wyodrębnienia. Najpierw przepuść go przez OCR PDF, bo to narzędzie dodaje warstwę tekstową i oferuje też bezpośrednie pobranie pliku .txt.

Tekst jest czytany od lewej do prawej i od góry do dołu, zgodnie z wewnętrzną strukturą pliku PDF, co jest poprawne dla większości dokumentów jednokolumnowych. Układy wielokolumnowe, panele boczne i tabele mogą wyjść przemieszane, a nagłówki, stopki i numery stron są dołączane razem z resztą strony.

Nie. Wynik to zwykły tekst UTF-8, więc znaki diakrytyczne, cyrylica, CJK i arabski są zachowane, ale pogrubienie, nagłówki, linki i obrazy nie, a podziały wierszy odpowiadają wierszom PDF, a nie akapitom. Dla nagłówków i list zachowanych jako Markdown użyj PDF na Markdown.

Tak. Dodaj tyle plików PDF, ile chcesz, i kliknij Wyodrębnij raz. Każdy staje się osobnym plikiem .txt nazwanym według źródła, a razem pobierają się jako pdf-to-text.zip. Pojedynczy PDF pobiera się bezpośrednio jako filename.txt.

Strony następują po sobie z podziałem wiersza między nimi. Nie ma znaczników stron ani znaków wysuwu strony, więc plik czyta się jak jeden ciągły strumień tekstu.

Nie, to narzędzie zawsze wyodrębnia wszystkie strony. Najpierw wyciągnij potrzebne strony do osobnego pliku PDF za pomocą Wyodrębnij strony, a potem skonwertuj ten plik.

Jeśli plik PDF prosi o hasło przy otwarciu, narzędzie pyta o nie przed wyodrębnieniem. Bez hasła tekstu nie można odczytać.

Nie. Wyodrębnianie działa w silniku PDF ładowanym do przeglądarki jako WebAssembly, więc umowy, dokumentacja medyczna i wszystko inne pozostają na Twoim urządzeniu od początku do końca.