PDF na teks-omskakelaar
Stroop 'n PDF tot net sy woorde: geen lettertipes, geen beelde, geen uitleg nie, net 'n .txt-lêer wat u kan deursoek, plak, vergelyk, aan 'n skrip gee of in 'n vertaalhulpmiddel laai. Geskandeerde bladsye word eers met OCR gelees.
PDF-omskakelaar
of los PDF-lêers hier ·
Maks. 95 MB per lêer· Tot 20 lêers· Uitgevee na 30 minute
Lêers word op ons bedieners verwerk en na 30 minute uitgevee.
Geskandeerde PDF's is prente van bladsye. Outo voer OCR net uit op bladsye sonder 'n tekslaag; Aan dwing dit vir elke bladsy af.
Die taal wat in die skandering gedruk is. Die regte keuse verbeter akkuraatheid merkbaar vir aksente en nie-Latynse skrifte.
Vloeiende teks herplaas in normale paragrawe wat maklik wysig. Presiese uitleg plaas elke blok waar dit was, wat dieselfde lyk maar moeiliker is om te wysig.
Waar bespeurde tabelle in die werkboek kom.
Bladsynommers of reekse geskei met kommas, bv. 1-3, 5, 8-10.
Hoe om hierdie nutsding te gebruik
- 1
Laai die PDF op
Laai een PDF op, of tot 20 saam, elk tot 95 MB. Gemengde lêers met getikte en geskandeerde bladsye word bladsy vir bladsy hanteer.
- 2
Beperk dit as u wil
Gewone teks is reeds gekies onder Skakel om na. Gebruik Bladsye om om te skakel in Gevorderde instellings om net die hoofstuk of bylae uit te trek wat jy nodig het.
- 3
Laai die .txt af
Druk Skakel om na Gewone teks. Die lêer is UTF-8-gekodeer, so aksente en nie-Latynse skrifte verskyn korrek in enige moderne redigeerder.
Wat is die skoonste manier om teks uit 'n PDF te kry?
Skakel dit om na 'n gewone .txt-lêer. Jy kry elke woord in leesvolgorde, met paragrawe deur leë reëls geskei en niks anders nie, gereed vir enige redigeerder of program.
Wat PDF-teksonttrekking behou en weglaat
Die omskakelaar loop deur elke bladsy in leesvolgorde, bo na onder en kolom vir kolom, en skryf die karakters wat dit vind. Reëls wat tot een paragraaf behoort, word saamgevoeg, en paragrawe word deur 'n leë reël geskei. Elke bladsy se teks volg op die vorige bladsy s'n, so 'n hoofstuk lees as een deurlopende stuk.
Alles visueel word weggegooi: lettertipes, groottes, kleure, beelde, grafieke en die posisie van teks op die bladsy. Dit is die doel. 'n Verslag van 10 MB vol foto's krimp gewoonlik tot 'n teksleêr van 'n paar honderd kilogrepe, wat makliker is om te deursoek, tussen weergawes met 'n diff-hulpmiddel te vergelyk, of in 'n vertaal- of ontledingsgereedskap te plak.
Opdragreël-gebruikers ken dalk pdftotext van die Poppler- en Xpdf-projekte, wat 'n soortgelyke werk op digitale PDF's doen. Die verskil hier is OCR: bladsye sonder tekslaag word herken in die taal wat jy kies in plaas daarvan om leeg uit te kom. Vir prente wat glad nie PDF's is nie, gebruik beeld na teks.
Gewone teks, Markdown of Word: kies die regte uitvoer
Gewone teks
Net woorde, UTF-8.
- Kleinste lêer
- Maak in enigiets oop
- Geen opskrifte of formatering
Markdown
Teks met ligte opmaak.
- Opskrifte met # gemerk
- Lyste en vetdruk behou
- Steeds 'n teksleêr
Word-dokument
Volledige redigeerbare uitleg.
- Tabelle en beelde behou
- Style behou
- Vereis 'n woordverwerker
Waarom die tekslêer so klein is
1 greepper Engelse letter, syfer of spasie in 'n UTF-8-teksleêr
Portable Document Format
PDF is in 1993 deur Adobe geskep en het in 2008 die oop ISO 32000-standaard geword. Dit maak teks, lettertipes, beelde en uitleg vas sodat 'n dokument op elke skerm en drukker dieselfde lyk. PDF's kan vorms, handtekeninge, skakels, aanhangsels en deursoekbare teks bevat, en die PDF/A-variant word vir langtermyn-argivering gebruik. Die vaste uitleg maak PDF's moeilik om te redigeer, en geskandeerde PDF's bevat net beelde tensy OCR toegepas word. Elke blaaier en bedryfstelsel kan dit oopmaak.
- Kompressie
- –
- Deursigtigheid
- Ja
- Animasie
- Nee
- Bekendgestel
- 1993 · Adobe
TXT
Gewone teks
'n TXT-lêer bevat slegs gewone karakters sonder formatering, lettertipes, beelde of uitleg. Moderne teksleêrs is gewoonlik in UTF-8 geënkodeer, wat elke taal dek, hoewel ouer lêers ander enkoderings kan gebruik en onleesbare karakters kan wys. Gewone teks is piepklein, raak nooit uitgedien nie en maak op elke toestel oop, van foons tot bedieners. Dit kan nie vetdruk, tabelle of prente hou nie, so struktuur moet met spasiëring of eenvoudige opmerking uitgedruk word.
- Kompressie
- –
- Deursigtigheid
- –
- Animasie
- –
- Bekendgestel
- –
Mense haal gewone teks uit 'n PDF wanneer net die woorde saak maak, vir soek, aanhaling, vertaling, datasuiwering of om aan 'n ander program te voer, en die uitleg net in die pad staan.
Gereelde vrae oor PDF na teks
Waarom kan ek nie net die teks uit die PDF kopieer en plak nie?
Vir 'n paragraaf of twee kan jy, maar kopieer uit 'n PDF-kyker breek dikwels woorde aan reëleindes, meng kolomme deurmekaar, plaas bladsykoppe middel in sinne en doen glad niks op geskandeerde bladsye nie. Onttrekking lees die hele lêer in leesvolgorde en gebruik OCR waar daar geen tekslaag is nie.
Watter enkodering het die tekslêer?
UTF-8, die kodering wat die web en meeste sagteware as verstek gebruik. Windows Notepad stoor nuwe lêers sedert Windows 10 weergawe 1903 by verstek as UTF-8, en macOS TextEdit, VS Code en elke blaaier lees dit sonder om te vra. As 'n ou program vreemde karakters wys, soek 'n invoeropsie waarmee jy UTF-8 kan kies.
Is TXT dieselfde as die PDF na TXT-hulpmiddel?
Die uitvoer is dieselfde: 'n .txt-lêer. Hierdie bladsy fokus daarop om teks vir hergebruik uit te kry; PDF na TXT is dieselfde omskakeling onder die lêeruitbreidingnaam waarna mense ook soek.
Wat gebeur met tabelle?
Tabelselle word in leesvolgorde geskryf, geskei deur tabs, so 'n tabel plak redelik goed in 'n sigblad. As die tabelle die rede is waarom jy omskakel, hou PDF na Excel rye en kolomme in regte selle.
Kan ek die teks kry met opskrifte gemerk?
Gewone teks kan nie 'n opskrif merk nie. Kies Markdown onder Skakel om na as jy opskrifte, lyste en vetgedrukte teks met eenvoudige simbole gemerk wil hê terwyl dit 'n teksleêr bly.
Werk teks uit 'n skandering haal ook vir handskrif?
OCR is vir gedrukte teks gebou. Netjiese hoofletters word dikwels gelees, maar lopende handskrif is nie betroubaar nie. Getikte of gedrukte skanderings teen 300 dpi gee die beste resultate.
| PDF na Markdown | PDF na Word | PDF na EPUB |
| TXT na PDF | Beeld na teks | HTML na TXT |
