Convertire PDF in testo
Riduci un PDF alle sole parole: niente font, niente immagini, niente impaginazione, solo un file .txt da cercare, incollare, confrontare, passare a uno script o caricare in uno strumento di traduzione. Le pagine scansionate vengono prima lette con l'OCR.
Convertitore PDF
oppure trascina qui File PDF ·
Max 95 MB per file· Fino a 20 file· Eliminati dopo 30 minuti
I file vengono elaborati sui nostri server ed eliminati dopo 30 minuti.
I PDF scansionati sono immagini di pagine. Auto esegue l'OCR solo sulle pagine senza livello di testo; Sempre lo forza su ogni pagina.
La lingua del testo stampato nella scansione. Scegliere quella giusta migliora sensibilmente la precisione per accenti e alfabeti non latini.
Testo scorrevole riorganizza il testo in normali paragrafi, facili da modificare. Layout esatto colloca ogni blocco dov'era: l'aspetto è identico, ma è più difficile da modificare.
Dove vanno le tabelle rilevate nella cartella di lavoro.
Numeri di pagina o intervalli separati da virgole, ad es. 1-3, 5, 8-10.
Come usare questo strumento
- 1
Trascina il PDF
Carica un solo PDF o fino a 20 file, ciascuno di massimo 95 MB. I file misti, con pagine digitali e pagine scansionate, vengono gestiti pagina per pagina.
- 2
Restringi la selezione, se serve
Il testo semplice è già selezionato in Converti in. Usa Pagine da convertire in Impostazioni avanzate per estrarre solo il capitolo o l'appendice che ti serve.
- 3
Scarica il file .txt
Premi Converti in Testo semplice. Il file è codificato in UTF-8, quindi accenti e alfabeti non latini vengono visualizzati correttamente in qualsiasi editor moderno.
Qual è il modo più pulito per estrarre il testo da un PDF?
Convertilo in un semplice file .txt. Ottieni ogni parola nell'ordine di lettura, con i paragrafi separati da righe vuote e nient'altro, pronto per qualsiasi editor o programma.
Cosa conserva e cosa elimina l'estrazione del testo da PDF
Il convertitore scorre ogni pagina nell'ordine di lettura, dall'alto in basso e colonna per colonna, e scrive i caratteri che trova. Le righe che appartengono a uno stesso paragrafo vengono unite e i paragrafi sono separati da una riga vuota. Il testo di ogni pagina segue quello della precedente, così un capitolo si legge come un unico brano continuo.
Tutto ciò che è visivo viene scartato: caratteri, dimensioni, colori, immagini, grafici e posizione del testo nella pagina. È proprio questo lo scopo. Un report da 10 MB pieno di foto di solito si riduce a un file di testo di poche centinaia di kilobyte, più facile da cercare, da confrontare tra versioni con uno strumento diff o da incollare in uno strumento di traduzione o di analisi.
Chi usa la riga di comando conosce forse pdftotext dei progetti Poppler e Xpdf, che svolge un lavoro simile sui PDF digitali. Qui la differenza è l'OCR: le pagine senza livello di testo vengono riconosciute nella lingua scelta invece di risultare vuote. Per le immagini che non sono PDF, usa da immagine a testo.
Testo semplice, Markdown o Word: scegliere il formato giusto
Testo semplice
Solo parole, UTF-8.
- File più leggero
- Si apre con qualsiasi programma
- Nessun titolo né formattazione
Markdown
Testo con markup leggero.
- Titoli indicati con #
- Elenchi e grassetto mantenuti
- Resta un file di testo
Documento Word
Impaginazione completa e modificabile.
- Tabelle e immagini mantenute
- Stili conservati
- Richiede un programma di videoscrittura
Perché il file di testo è così leggero
1 byteper ogni lettera, cifra o spazio inglese in un file di testo UTF-8
Portable Document Format
Il PDF è stato creato da Adobe nel 1993 ed è diventato lo standard aperto ISO 32000 nel 2008. Fissa testo, font, immagini e impaginazione, così il documento appare uguale su ogni schermo e stampante. I PDF possono contenere moduli, firme, link, allegati e testo ricercabile, e la variante PDF/A è usata per l'archiviazione a lungo termine. L'impaginazione fissa rende i PDF difficili da modificare, e i PDF scansionati contengono solo immagini se non si applica l'OCR. Ogni browser e sistema operativo può aprirli.
- Compressione
- –
- Trasparenza
- Sì
- Animazione
- No
- Introdotto
- 1993 · Adobe
TXT
Testo semplice
Un file TXT contiene solo caratteri semplici, senza formattazione, font, immagini o impaginazione. I file di testo moderni sono in genere codificati in UTF-8, che copre tutte le lingue, mentre quelli più vecchi possono usare altre codifiche e mostrare caratteri illeggibili. Il testo semplice è minuscolo, non diventa mai obsoleto e si apre su qualsiasi dispositivo, dagli smartphone ai server. Non può contenere grassetto, tabelle o immagini, quindi la struttura va espressa con la spaziatura o con un semplice markup.
- Compressione
- –
- Trasparenza
- –
- Animazione
- –
- Introdotto
- –
Si estrae il testo semplice da un PDF quando servono solo le parole, per ricerca, citazioni, traduzione, pulizia dei dati o per darle in pasto a un altro programma, e l'impaginazione è solo d'intralcio.
Domande frequenti su PDF in testo
Perché non basta copiare e incollare il testo dal PDF?
Per un paragrafo o due si può, ma copiare da un lettore PDF spesso spezza le parole a fine riga, mescola le colonne, inserisce le intestazioni di pagina in mezzo alle frasi e sulle pagine scansionate non funziona affatto. L'estrazione legge l'intero file nell'ordine di lettura e applica l'OCR dove manca il livello di testo.
Quale codifica ha il file di testo?
UTF-8, la codifica predefinita del web e della maggior parte dei programmi. Il Blocco note di Windows salva i nuovi file in UTF-8 per impostazione predefinita da Windows 10 versione 1903, e TextEdit di macOS, VS Code e tutti i browser lo leggono senza chiedere nulla. Se un vecchio programma mostra caratteri strani, cerca un'opzione di importazione che permetta di scegliere UTF-8.
TXT è la stessa cosa dello strumento da PDF a TXT?
Il risultato è identico: un file .txt. Questa pagina è pensata per estrarre il testo e riutilizzarlo; da PDF a TXT è la stessa conversione, con il nome dell'estensione che molti cercano.
Che fine fanno le tabelle?
Le celle delle tabelle vengono scritte nell'ordine di lettura, separate da tabulazioni, quindi una tabella si incolla in un foglio di calcolo in modo abbastanza fedele. Se le tabelle sono il motivo della conversione, da PDF a Excel mantiene righe e colonne in vere celle.
Si può ottenere il testo con i titoli contrassegnati?
Il testo semplice non ha modo di indicare un titolo. Scegli Markdown in Converti in se vuoi titoli, elenchi e grassetto indicati con simboli semplici, restando in un file di testo.
L'estrazione del testo da una scansione funziona con la scrittura a mano?
L'OCR è pensato per il testo stampato. Lo stampatello ordinato viene spesso letto, ma il corsivo a mano non è affidabile. I risultati migliori si ottengono con scansioni di testo digitato o stampato a 300 dpi.
| Da PDF a Markdown | Da PDF a Word | Da PDF a EPUB |
| Da TXT a PDF | Da immagine a testo | Da HTML a TXT |
