Μετατροπή PDF σε TXT
Αποθηκεύστε το κείμενο ενός PDF ως αρχείο .txt που ανοίγει σε κάθε επεξεργαστή κειμένου, script ή εργαλείο αναζήτησης. Το αν το κείμενο θα βγει άψογο εξαρτάται από ένα πράγμα μέσα στο PDF σας: αν έχει πραγματικό επίπεδο κειμένου ή μόνο εικόνες σελίδων.
Μετατροπέας PDF
ή σύρετε Αρχεία PDF εδώ ·
Έως 95 MB ανά αρχείο· Έως 20 αρχεία· Διαγραφή μετά από 30 λεπτά
Τα αρχεία επεξεργάζονται στους διακομιστές μας και διαγράφονται μετά από 30 λεπτά.
Τα σαρωμένα PDF είναι εικόνες σελίδων. Το «Αυτόματα» εκτελεί OCR μόνο σε σελίδες χωρίς επίπεδο κειμένου· το «Πάντα» το επιβάλλει σε κάθε σελίδα.
Η γλώσσα που είναι τυπωμένη στη σάρωση. Η σωστή επιλογή βελτιώνει αισθητά την ακρίβεια για τόνους και μη λατινικά αλφάβητα.
Το ρέον κείμενο αναδιατάσσεται σε κανονικές παραγράφους που επεξεργάζονται εύκολα. Η ακριβής διάταξη τοποθετεί κάθε μπλοκ εκεί που ήταν, με ίδια εμφάνιση αλλά πιο δύσκολη επεξεργασία.
Πού πηγαίνουν οι πίνακες που εντοπίζονται στο βιβλίο εργασίας.
Αριθμοί σελίδων ή εύρη χωρισμένα με κόμματα, π.χ. 1-3, 5, 8-10.
Πώς να χρησιμοποιήσετε αυτό το εργαλείο
- 1
Προσθέστε τα αρχεία PDF
Επιλέξτε ένα PDF ή έως 20 ταυτόχρονα, έως 95 MB το καθένα. Έγγραφα που έχουν πληκτρολογηθεί, εξαχθεί ή σαρωθεί μπορούν να μπουν στην ίδια παρτίδα.
- 2
Ελέγξτε τις ρυθμίσεις σάρωσης
Η επιλογή Μετατροπή σε έχει ήδη οριστεί σε Απλό κείμενο. Αν το έγγραφο είναι σάρωση σε γλώσσα άλλη από τα αγγλικά, ανοίξτε τις Σύνθετες ρυθμίσεις και επιλέξτε τη γλώσσα στο πεδίο Γλώσσα εγγράφου.
- 3
Μετατρέψτε και αποθηκεύστε
Πατήστε Μετατροπή σε Απλό κείμενο και κατεβάστε κάθε αρχείο .txt ή όλα μαζί ως ZIP.
Αν μπορείτε να επιλέξετε μία λέξη στο πρόγραμμα προβολής PDF, το κείμενο βρίσκεται ήδη μέσα στο αρχείο και το αντίγραφο TXT είναι ακριβές· αν ολόκληρη η σελίδα επισημαίνεται σαν φωτογραφία, το OCR πρέπει πρώτα να τη διαβάσει.
Μετατροπή PDF σε κείμενο: επίπεδο κειμένου ή σαρωμένη σελίδα
Ένα PDF που εξάγεται από Word, Google Docs ή πρόγραμμα περιήγησης αποθηκεύει τους χαρακτήρες μαζί με τις θέσεις τους, οπότε η εξαγωγή τους σημαίνει ανάγνωση με λογική σειρά. Ένα PDF από σαρωτή ή κάμερα κινητού αποθηκεύει μόνο μια εικόνα κάθε σελίδας και το κείμενό του πρέπει να αναγνωριστεί. Πολλά PDF γραφείου συνδυάζουν και τα δύο: μια δακτυλογραφημένη επιστολή με σαρωμένη σελίδα υπογραφής στο τέλος.
Η επιλογή Αναγνώριση κειμένου (OCR) καθορίζει πώς αντιμετωπίζεται κάθε σελίδα. Οι τρεις ρυθμίσεις παρακάτω συμπεριφέρονται διαφορετικά σε αυτά τα είδη αρχείων και η Αυτόματη ταιριάζει στα περισσότερα.
Οι σελίδες που έχουν ήδη επίπεδο κειμένου αντιγράφονται όπως είναι· οι σελίδες χωρίς αυτό αναγνωρίζονται στη Γλώσσα εγγράφου που επιλέξατε.
- Ιδανικό για μικτά αρχεία
- Καμία απώλεια ακρίβειας στις ψηφιακές σελίδες
Κάθε σελίδα αναγνωρίζεται από την εικόνα της, ακόμη κι αν έχει κείμενο. Χρησιμοποιήστε το όταν το υπάρχον επίπεδο κειμένου είναι χαλασμένο ή γεμάτο σύμβολα αντικατάστασης.
- Διορθώνει PDF με γραμματοσειρές χωρίς αντιστοίχιση
- Πιο αργό σε μεγάλα αρχεία
Διαβάζεται μόνο το υπάρχον επίπεδο κειμένου. Οι σαρωμένες σελίδες βγαίνουν κενές, κάτι χρήσιμο όταν θέλετε να δείτε ποιες σελίδες ήταν σαρώσεις.
- Ταχύτερο
- Μόνο ψηφιακά PDF
Αλλοιωμένοι χαρακτήρες στο αποτέλεσμα της μετατροπής PDF σε κείμενο
Μέσα σε ένα PDF, το κείμενο είναι μια λίστα κωδικών γλύφων για μια συγκεκριμένη γραμματοσειρά, όχι γράμματα. Ένα σωστά φτιαγμένο αρχείο περιλαμβάνει πίνακα ToUnicode που λέει ποιος κωδικός αντιστοιχεί σε ποιον χαρακτήρα. Αρχεία από παλαιότερα προγράμματα οδήγησης εκτυπωτών και προσαρμοσμένες γεννήτριες αναφορών τον παραλείπουν, γι' αυτό η αντιγραφή δίνει ακαταλαβίστικα σύμβολα ενώ η σελίδα φαίνεται άψογη. Η αναγκαστική χρήση OCR είναι ο αξιόπιστος τρόπος να το παρακάμψετε, και η σελίδα σαρωμένο PDF σε κείμενο εξηγεί αναλυτικά τις ρυθμίσεις σάρωσης.
Το ίδιο το TXT είναι UTF-8, οπότε διατηρούνται οι τονισμένοι χαρακτήρες, τα κυριλλικά, τα αραβικά, τα Devanagari και οι χαρακτήρες CJK. Τα γραψίματα από δεξιά προς τα αριστερά αποθηκεύονται με τη σειρά ανάγνωσης, όπως περιμένουν οι επεξεργαστές κειμένου και οι μηχανές αναζήτησης.
Αλλαγές γραμμής, συλλαβισμός, στήλες και κεφαλίδες στο TXT
Αλλαγές γραμμής
Ένα PDF γνωρίζει γραμμές, όχι παραγράφους. Οι γραμμές ενώνονται ξανά εκεί που η απόσταση υποδηλώνει παράγραφο, αλλά ποιήματα, διευθύνσεις και λίστες κώδικα μπορεί να χρειάζονται χειροκίνητο έλεγχο.
Συλλαβισμός
Μια λέξη που σπάει ως «μετα-» και «τροπή» στο τέλος γραμμής συνήθως ενώνεται ξανά. Μια πραγματική παύλα που πέφτει στο τέλος γραμμής, όπως στο «well-known», μπορεί να χάσει την παύλα της, γι' αυτό αναζητήστε την αν η ακριβής διατύπωση έχει σημασία.
Στήλες
Τα περιοδικά δύο στηλών διαβάζονται στήλη προς στήλη. Σύνθετες διατάξεις με πλαίσια ή αποσπάσματα μπορεί να βάλουν ένα πλαϊνό κείμενο ανάμεσα σε δύο παραγράφους.
Κεφαλίδες και υποσέλιδα
Οι τρέχοντες τίτλοι, οι αριθμοί σελίδων και οι γραμμές εμπιστευτικότητας επαναλαμβάνονται σε κάθε σελίδα και καταλήγουν ανάμεσα στις σελίδες του TXT. Μια εύρεση και αντικατάσταση της επαναλαμβανόμενης γραμμής τις αφαιρεί με μία κίνηση.
Portable Document Format
Το PDF δημιουργήθηκε από την Adobe το 1993 και έγινε το ανοιχτό πρότυπο ISO 32000 το 2008. Καθηλώνει κείμενο, γραμματοσειρές, εικόνες και διάταξη, ώστε ένα έγγραφο να φαίνεται ίδιο σε κάθε οθόνη και εκτυπωτή. Τα PDF μπορούν να περιέχουν φόρμες, υπογραφές, συνδέσμους, συνημμένα και κείμενο με δυνατότητα αναζήτησης, ενώ η παραλλαγή PDF/A χρησιμοποιείται για μακροχρόνια αρχειοθέτηση. Η σταθερή διάταξη δυσκολεύει την επεξεργασία, και τα σαρωμένα PDF περιέχουν μόνο εικόνες αν δεν εφαρμοστεί OCR. Ανοίγουν σε κάθε πρόγραμμα περιήγησης και λειτουργικό σύστημα.
- Συμπίεση
- –
- Διαφάνεια
- Ναι
- Κινούμενη εικόνα
- Όχι
- Έτος εισαγωγής
- 1993 · Adobe
TXT
Απλό κείμενο
Ένα αρχείο TXT περιέχει μόνο απλούς χαρακτήρες, χωρίς μορφοποίηση, γραμματοσειρές, εικόνες ή διάταξη. Τα σύγχρονα αρχεία κειμένου κωδικοποιούνται συνήθως σε UTF-8, που καλύπτει κάθε γλώσσα, ενώ τα παλαιότερα μπορεί να χρησιμοποιούν άλλες κωδικοποιήσεις και να εμφανίζουν παραμορφωμένους χαρακτήρες. Το απλό κείμενο είναι πολύ μικρό, δεν ξεπερνιέται ποτέ και ανοίγει σε κάθε συσκευή, από κινητά έως διακομιστές. Δεν μπορεί να περιέχει έντονο κείμενο, πίνακες ή εικόνες, οπότε η δομή πρέπει να εκφράζεται με κενά ή απλή σήμανση.
- Συμπίεση
- –
- Διαφάνεια
- –
- Κινούμενη εικόνα
- –
- Έτος εισαγωγής
- –
Το αρχείο .txt είναι ο κοινός παρονομαστής: οι ροές δεδομένων, τα ευρετήρια αναζήτησης, τα εργαλεία υποτίτλων και μετάφρασης και το απλό email το δέχονται, ενώ ένα PDF χρειάζεται αναλυτή πριν διαβαστούν οι λέξεις του.
Μετατροπή PDF σε κείμενο δωρεάν: αρχεία, μεγέθη και γλώσσες
- PDF ανά παρτίδα
- 20
- ανά PDF
- 95 MB
- γλώσσες OCR
- 34
- έως τη διαγραφή των αρχείων
- 30 λεπτά
Ερωτήσεις για τη μετατροπή PDF σε TXT
Πώς μετατρέπω PDF σε κείμενο δωρεάν χωρίς να εγκαταστήσω τίποτα;
Ανεβάστε το PDF σε αυτή τη σελίδα και πατήστε Μετατροπή σε Απλό κείμενο. Δεν χρειάζεται λογαριασμός ούτε εγκατάσταση λογισμικού· η μετατροπή γίνεται στους διακομιστές μας και τα αρχεία διαγράφονται έπειτα από 30 λεπτά, όπως περιγράφεται στη σελίδα πώς λειτουργεί.
Γιατί το αρχείο TXT περιέχει σύμβολα όπως (cid:42) ή κουτάκια αντί για γράμματα;
Το PDF χρησιμοποιεί γραμματοσειρά χωρίς πίνακα που να αντιστοιχίζει τα σχήματα των χαρακτήρων της σε χαρακτήρες Unicode, οπότε τα σχήματα εκτυπώνονται κανονικά αλλά δεν φέρουν νόημα γραμμάτων. Ορίστε το Αναγνώριση κειμένου (OCR) σε Πάντα: το OCR διαβάζει τα σχήματα ως εικόνα και συνήθως ανακτά τις πραγματικές λέξεις.
Μπορώ να μετατρέψω σε κείμενο μόνο ορισμένες σελίδες ενός PDF;
Ναι. Αλλάξτε το Σελίδες για μετατροπή σε Επιλεγμένες σελίδες και πληκτρολογήστε ένα εύρος όπως 3-7, 12. Διαβάζονται μόνο αυτές οι σελίδες, κάτι που επιταχύνει και τα μεγάλα σαρωμένα αρχεία.
Γιατί οι συνδυασμοί fi και fl φαίνονται περίεργοι μετά τη μετατροπή;
Πολλές γραμματοσειρές σχεδιάζουν τα fi, fl και ffi ως ένα ενιαίο γλύφο που λέγεται συνδέσμος (ligature). Τα περισσότερα PDF τον αντιστοιχίζουν πίσω σε ξεχωριστά γράμματα, αλλά κάποια τον αντιστοιχίζουν σε έναν χαρακτήρα Unicode, όπως το U+FB01, που στην οθόνη φαίνεται σωστός αλλά χαλά την αναζήτηση με απλά γράμματα. Το διορθώνετε με εύρεση και αντικατάσταση στον επεξεργαστή σας.
Διατηρεί το αρχείο TXT τις αλλαγές σελίδας;
Οι σελίδες διαδέχονται η μία την άλλη σε ένα ενιαίο αρχείο, οπότε δεν προκύπτει ξεχωριστό αρχείο ανά σελίδα. Αν χρειάζεστε ένα αρχείο κειμένου ανά σελίδα, μετατρέψτε τις σελίδες σε ξεχωριστές εκτελέσεις με το Σελίδες για μετατροπή.
- Μετατροπή PDF σε κείμενοΕξαγάγετε τις λέξεις κάθε PDF σε καθαρό αρχείο κειμένου UTF-8. Οι σαρώσεις διαβάζονται με OCR, εύρος σελίδων προαιρετικό, κρατιέται μόνο το κείμενο.
- Μετατροπή σαρωμένου PDF σε κείμενοΕξαγωγή κειμένου από σαρωμένο PDF που δεν επιτρέπει επιλογή ή αναζήτηση. Το OCR διαβάζει κάθε σελίδα και δίνει απλό κείμενο, με προαιρετικό εύρος σελίδων.
- Μετατροπή PDF σε MarkdownΜετατροπή PDF σε αρχείο Markdown .md με επικεφαλίδες, λίστες, συνδέσμους και πίνακες. OCR για σαρώσεις. Για Obsidian, Notion και LLM.
- Μετατροπή PDF σε WordΜετατρέψτε PDF σε επεξεργάσιμο Word. Το κείμενο γίνεται κανονικές παράγραφοι, οι σαρώσεις περνούν OCR σε 34 γλώσσες, έως 20 αρχεία μαζί.
- OCR PDFΠροσθέστε σε σαρωμένα PDF κείμενο με αναζήτηση και επιλογή ή εξαγάγετέ το σε Word ή TXT. 34 γλώσσες, εύρος σελίδων, 20 αρχεία μαζί, δωρεάν.
- Μετατροπή EPUB σε TXTΕξαγάγετε το κείμενο ενός EPUB χωρίς DRM σε αρχείο .txt για αναζήτηση, καταμέτρηση λέξεων, ανάγνωση ή ανάλυση. Χωρίς σήμανση και εικόνες.