PDF till text

PDF-filen är med största sannolikhet en skanning eller ett foto, som saknar textlager att extrahera. Kör den först genom OCR PDF. Det verktyget lägger till ett textlager och erbjuder också en .txt-nedladdning direkt.

Texten läses från vänster till höger, uppifrån och ned, enligt PDF-filens interna struktur, vilket stämmer för de flesta dokument med en kolumn. Layouter med flera kolumner, sidospalter och tabeller kan komma ut sammanblandade, och sidhuvuden, sidfötter och sidnummer ingår tillsammans med allt annat på sidan.

Nej. Resultatet är oformaterad UTF-8-text, så tecken med accenter, kyrilliska, CJK och arabiska bevaras, men fet text, rubriker, länkar och bilder gör det inte, och radbrytningar följer PDF-filens rader och inte styckena. För rubriker och listor som bevaras som Markdown använder du PDF till Markdown.

Ja. Lägg till så många PDF-filer du vill och klicka på Extrahera en gång. Var och en blir en egen .txt-fil uppkallad efter källan, och de laddas ned tillsammans som pdf-to-text.zip. En enskild PDF laddas ned direkt som filnamn.txt.

Sidorna följer på varandra med en radbrytning emellan. Det finns inga sidmarkörer eller sidmatningstecken, så filen läses som en enda sammanhängande textström.

Nej, det här verktyget extraherar alltid varje sida. Dra först ut de sidor du behöver till en separat PDF med Extrahera sidor och konvertera sedan den filen.

Om en PDF ber om lösenord när du öppnar den frågar verktyget efter lösenordet innan det extraherar. Utan lösenordet går texten inte att läsa.

Nej. Extraheringen körs i en PDF-motor som laddas in i din webbläsare som WebAssembly, så avtal, journaler och allt annat stannar på din enhet från början till slut.