PDF do textu

PDF je s najväčšou pravdepodobnosťou sken alebo fotografia, ktorá nemá textovú vrstvu na extrahovanie. Najprv ho spracujte nástrojom OCR PDF; ten pridá textovú vrstvu a ponúka aj priame stiahnutie .txt.

Text sa číta zľava doprava a zhora nadol podľa vnútornej štruktúry PDF, čo je správne pre väčšinu jednostĺpcových dokumentov. Viacstĺpcové rozloženia, bočné panely a tabuľky môžu vyjsť poprekladané a hlavičky, päty a čísla strán sú zahrnuté spolu so všetkým ostatným na strane.

Nie. Výstup je obyčajný text UTF-8, takže diakritika, azbuka, CJK a arabčina sa zachovajú, ale tučné písmo, nadpisy, odkazy a obrázky nie a zalomenia riadkov nasledujú riadky PDF, nie odseky. Pre nadpisy a zoznamy zachované ako Markdown použite PDF do Markdownu.

Áno. Pridajte koľko PDF chcete a kliknite raz na Extrahovať; každé sa stane vlastným súborom .txt pomenovaným podľa zdroja a stiahnu sa spolu ako pdf-to-text.zip. Jedno PDF sa stiahne priamo ako filename.txt.

Strany nasledujú jedna za druhou so zalomením riadku medzi nimi. Neexistujú značky strán ani posuny formulára, takže súbor sa číta ako jeden súvislý tok textu.

Nie, tento nástroj vždy extrahuje všetky strany. Najprv vytiahnite potrebné strany do samostatného PDF nástrojom Extrahovať strany a potom previeďte tento súbor.

Ak PDF pri otvorení vyžaduje heslo, nástroj si ho vypýta pred extrahovaním. Bez hesla text nemožno prečítať.

Nie. Extrakcia beží v jadre PDF načítanom do vášho prehliadača ako WebAssembly, takže zmluvy, zdravotné záznamy a čokoľvek iné zostanú na vašom zariadení od začiatku do konca.