PDF til TXT-konverter
Gem teksten fra en PDF som en .txt-fil, som enhver editor, ethvert script og ethvert søgeværktøj kan åbne. Om teksten bliver perfekt, afhænger af én ting i din PDF: om den har et ægte tekstlag eller kun billeder af siderne.
PDF-konverter
eller slip PDF-filer her ·
Maks. 95 MB pr. fil· Op til 20 filer· Slettes efter 30 minutter
Filer behandles på vores servere og slettes efter 30 minutter.
Scannede PDF-filer er billeder af sider. Auto kører kun OCR på sider uden tekstlag; Til tvinger det på alle sider.
Sproget i scanningen. Det rigtige valg forbedrer mærkbart nøjagtigheden for accenter og ikke-latinske skriftsystemer.
Flydende tekst ombrydes til almindelige afsnit, der er nemme at redigere. Nøjagtigt layout placerer hver blok, hvor den var, hvilket ser ens ud, men er sværere at redigere.
Hvor fundne tabeller placeres i projektmappen.
Sidetal eller områder adskilt af kommaer, f.eks. 1-3, 5, 8-10.
Sådan bruger du værktøjet
- 1
Tilføj dine PDF-filer
Vælg én PDF eller op til 20 ad gangen, hver op til 95 MB. Skrevne, eksporterede og scannede dokumenter kan ligge i samme batch.
- 2
Tjek indstillingerne for scanninger
Konvertér til er allerede sat til Ren tekst. Hvis dokumentet er en scanning på et andet sprog end engelsk, så åbn Avancerede indstillinger og vælg sproget under Dokumentets sprog.
- 3
Konverter og gem
Tryk på Konvertér til Ren tekst, og download hver .txt-fil, eller dem alle samlet som en ZIP.
Hvis du kan markere et enkelt ord i din PDF-læser, ligger teksten allerede i filen, og TXT-kopien er nøjagtig; hvis hele siden markeres som et foto, skal OCR læse den først.
Konverter PDF til tekst: tekstlag eller scannet side
En PDF eksporteret fra Word, Google Docs eller en browser gemmer tegn med deres positioner, så man skal læse dem i en fornuftig rækkefølge for at få dem ud. En PDF fra en scanner eller telefonkamera gemmer kun et billede af hver side, og teksten skal genkendes. Mange kontor-PDF'er blander begge dele: et skrevet brev med en scannet underskriftsside til sidst.
Tekstgenkendelse (OCR) afgør, hvordan hver side behandles. De tre indstillinger nedenfor opfører sig forskelligt på disse filtyper, og Auto er rigtig for de fleste.
Sider, der allerede har et tekstlag, kopieres, som de er; sider uden bliver genkendt på det Dokumentets sprog, du valgte.
- Bedst til blandede filer
- Intet nøjagtighedstab på digitale sider
Hver side genkendes ud fra sit billede, også selvom den har tekst. Brug det, når det eksisterende tekstlag er ødelagt eller fyldt med pladsholdersymboler.
- Retter PDF'er med ukortlagte skrifttyper
- Langsommere på lange filer
Kun det eksisterende tekstlag læses. Scannede sider bliver tomme, hvilket er nyttigt, når du vil vide, hvilke sider der var scanninger.
- Hurtigst
- Kun digitale PDF'er
Uforståelige tegn i teksten fra PDF til tekst-konverteren
Inde i en PDF er tekst en liste af tegnkoder for en bestemt skrifttype, ikke bogstaver. En veludformet fil indeholder et ToUnicode-kort, der angiver, hvilken kode der betyder hvilket tegn. Filer fra nogle ældre printerdrivere og specialbyggede rapportgeneratorer udelader det kort, og derfor giver kopiering fra dem volapyk, selvom siden ser perfekt ud. At gennemtvinge OCR er den sikre løsning, og scannet PDF til tekst gennemgår scanningsindstillingerne i dybden.
Selve TXT-filen er UTF-8, så accenttegn, kyrillisk, arabisk, devanagari og CJK-tegn bevares. Skrift, der læses fra højre mod venstre, gemmes i læserækkefølge, hvilket er det, editorer og søgemaskiner forventer.
Linjeskift, orddeling, spalter og sidehoveder i TXT-filen
Linjeskift
En PDF kender linjer, ikke afsnit. Linjer samles igen, hvor afstanden tyder på et afsnit, men digte, adresser og kodelistninger kan kræve et manuelt eftersyn.
Orddeling
Et ord delt som "konver-" og "tering" ved linjeslut samles som regel igen. En ægte bindestreg, der falder ved linjeslut, som i "vel-kendt", kan miste sin bindestreg, så søg efter den, hvis den nøjagtige ordlyd er vigtig.
Spalter
Tidsskrifter med to spalter læses spalte for spalte. Travle layouts med bokse eller citater kan lægge en sidebjælke ind mellem to afsnit.
Sidehoveder og sidefødder
Løbende titler, sidetal og fortrolighedslinjer gentages på hver side og havner mellem siderne i TXT-filen. Find og erstat på den gentagne linje fjerner dem i ét hug.
Portable Document Format
PDF blev skabt af Adobe i 1993 og blev den åbne ISO 32000-standard i 2008. Det fastlåser tekst, skrifttyper, billeder og layout, så et dokument ser ens ud på alle skærme og printere. PDF-filer kan indeholde formularer, signaturer, links, vedhæftede filer og søgbar tekst, og varianten PDF/A bruges til langtidsarkivering. Det faste layout gør PDF-filer svære at redigere, og scannede PDF-filer indeholder kun billeder, medmindre der bruges OCR. Alle browsere og operativsystemer kan åbne dem.
- Komprimering
- –
- Gennemsigtighed
- Ja
- Animation
- Nej
- Introduceret
- 1993 · Adobe
TXT
Almindelig tekst
En TXT-fil indeholder kun almindelige tegn uden formatering, skrifttyper, billeder eller layout. Moderne tekstfiler er som regel kodet i UTF-8, som dækker alle sprog, mens ældre filer kan bruge andre kodninger og vise forvrængede tegn. Almindelig tekst fylder næsten ingenting, bliver aldrig forældet og åbner på alle enheder, fra telefoner til servere. Den kan ikke indeholde fed tekst, tabeller eller billeder, så struktur må udtrykkes med mellemrum eller enkel markup.
- Komprimering
- –
- Gennemsigtighed
- –
- Animation
- –
- Introduceret
- –
En .txt-fil er den fælles nævner: datapipelines, søgeindeks, undertekst- og oversættelsesværktøjer og almindelig e-mail accepterer den alle, mens en PDF kræver en parser, før noget kan læse ordene.
Konverter PDF til tekst gratis: filer, størrelser og sprog
- PDF'er pr. batch
- 20
- pr. PDF
- 95 MB
- OCR-sprog
- 34
- til filerne slettes
- 30 min.
Spørgsmål om PDF til TXT
Hvordan konverterer jeg PDF til tekst gratis uden at installere noget?
Upload PDF'en på denne side, og tryk på Konvertér til Ren tekst. Du behøver ingen konto og ingen software; konverteringen kører på vores servere, og filerne slettes 30 minutter senere, som beskrevet under sådan fungerer det.
Hvorfor indeholder min TXT-fil symboler som (cid:42) eller firkanter i stedet for bogstaver?
PDF'en bruger en skrifttype uden en tabel, der kobler dens tegnformer tilbage til Unicode-tegn, så formerne vises fint, men har ingen bogstavbetydning. Sæt Tekstgenkendelse (OCR) til Altid: OCR læser formerne som et billede og finder som regel de rigtige ord.
Kan jeg kun konvertere nogle af siderne i en PDF til tekst?
Ja. Skift Sider, der skal konverteres til Udvalgte sider, og skriv et interval som 3-7, 12. Kun de sider bliver læst, hvilket også gør lange scannede filer hurtigere.
Hvorfor ser bogstavparrene fi og fl mærkelige ud efter konverteringen?
Mange skrifttyper tegner fi, fl og ffi som ét sammensat tegn, en ligatur. De fleste PDF'er kobler det tilbage til separate bogstaver, men nogle kobler det til ét Unicode-tegn, f.eks. U+FB01, som ser rigtigt ud på skærmen, men ødelægger en søgning efter de almindelige bogstaver. Find og erstat i din editor løser det.
Bevarer TXT-filen sideskiftene?
Siderne følger efter hinanden i én fil, så du får ikke en separat fil pr. side. Hvis du har brug for én tekstfil pr. side, så konvertér siderne i separate kørsler med Sider, der skal konverteres.
- PDF til tekst-konverterUdtræk teksten fra enhver PDF som en ren UTF-8-tekstfil. Scanninger læses med OCR, sideintervaller er valgfrie, og kun teksten bevares.
- Scannet PDF til tekstUdtræk tekst fra en scannet PDF, hvor intet kan markeres eller søges. OCR læser hvert sidebillede og giver ren tekst, evt. for udvalgte sider.
- PDF til Markdown-konverterKonvertér PDF til Markdown (.md) med overskrifter, lister, links og pipe-tabeller fra teksten. OCR til scanninger. Til Obsidian, Notion og LLM.
- PDF til Word-konverterKonvertér PDF til Word, du kan redigere. Teksten bliver til normale afsnit, scannede sider får OCR på 34 sprog, op til 20 filer ad gangen.
- OCR PDFTilføj et søgbart tekstlag til scannede PDF'er, eller udtræk teksten til Word eller TXT. 34 sprog, sideintervaller, 20 filer ad gangen, gratis.
- EPUB til TXT-konverterUdtræk teksten fra en DRM-fri EPUB til en ren .txt-fil til søgning, ordtælling, oplæsning eller analyse. Afsnit bevares, opmærkning og billeder fjernes.