PDF til TXT-konverter
Lagre teksten i en PDF som en .txt-fil som alle redigeringsprogrammer, skript og søkeverktøy kan åpne. Om teksten blir perfekt, avhenger av én ting i PDF-en: om den har et ekte tekstlag, eller bare bilder av sidene.
PDF-konverterer
eller slipp PDF-filer her ·
Maks 95 MB per fil· Opptil 20 filer· Slettes etter 30 minutter
Filene behandles på serverne våre og slettes etter 30 minutter.
Skannede PDF-er er bilder av sider. Auto kjører OCR bare på sider uten tekstlag; Alltid tvinger det for hver side.
Språket som er trykt i skanningen. Riktig valg gir merkbart bedre nøyaktighet for aksenter og ikke-latinske skrifter.
Flytende tekst brytes om til vanlige avsnitt som er lette å redigere. Eksakt layout plasserer hver blokk der den var, noe som ser likt ut, men er vanskeligere å redigere.
Hvor registrerte tabeller havner i arbeidsboken.
Sidetall eller områder atskilt med komma, f.eks. 1-3, 5, 8-10.
Slik bruker du dette verktøyet
- 1
Legg til PDF-filene
Velg én PDF, eller opptil 20 om gangen, hver på opptil 95 MB. Skrevne, eksporterte og skannede dokumenter kan ligge i samme omgang.
- 2
Kontroller innstillingene for skann
Konverter til er allerede satt til Ren tekst. Hvis dokumentet er en skanning på et annet språk enn engelsk, åpner du Avanserte innstillinger og velger språket under Dokumentspråk.
- 3
Konverter og lagre
Trykk Konverter til Ren tekst og last ned hver .txt-fil, eller alle samlet som ZIP.
Hvis du kan markere ett enkelt ord i PDF-leseren, ligger teksten allerede i filen og TXT-kopien blir nøyaktig; hvis hele siden markeres som et bilde, må OCR lese den først.
Konverter PDF til tekst: tekstlag eller skannet side
En PDF eksportert fra Word, Google Docs eller en nettleser lagrer tegn med posisjonene deres, så å hente dem ut handler om å lese dem i fornuftig rekkefølge. En PDF fra en skanner eller mobilkamera lagrer bare et bilde av hver side, og teksten må gjenkjennes. Mange kontor-PDF-er blander begge: et skrevet brev med en skannet signatursiden på slutten.
Tekstgjenkjenning (OCR) bestemmer hvordan hver side behandles. De tre innstillingene under oppfører seg ulikt på slike filer, og Auto passer for de fleste.
Sider som allerede har et tekstlag kopieres som de er; sider uten gjenkjennes på Dokumentspråk du valgte.
- Best for blandede filer
- Ingen tap av nøyaktighet på digitale sider
Hver side gjenkjennes fra bildet, selv om den har tekst. Bruk det når det eksisterende tekstlaget er ødelagt eller fullt av plassholdersymboler.
- Fikser PDF-er med umappede fonter
- Tregere på lange filer
Bare det eksisterende tekstlaget leses. Skannede sider blir tomme, noe som er nyttig når du vil vite hvilke sider som var skanninger.
- Raskest
- Kun digitale PDF-er
Resultat fra PDF til tekst-konverter med uleselige tegn
Inne i en PDF er tekst en liste med glyfkoder for en bestemt font, ikke bokstaver. En godt laget fil har et ToUnicode-kart som sier hvilken kode som er hvilket tegn. Filer fra enkelte eldre skriverdrivere og egne rapportgeneratorer mangler dette kartet, og derfor gir kopiering vrøvl selv om siden ser perfekt ut. Å tvinge OCR er den pålitelige løsningen, og skannet PDF til tekst går grundig gjennom skanneinnstillingene.
Selve TXT-filen er UTF-8, så aksenttegn, kyrillisk, arabisk, devanagari og CJK-tegn bevares. Skrift som går fra høyre til venstre lagres i leserekkefølge, slik redigeringsprogrammer og søkemotorer forventer.
Linjeskift, orddeling, kolonner og topptekster i TXT-filen
Linjeskift
En PDF kjenner linjer, ikke avsnitt. Linjer settes sammen igjen der avstanden tyder på et avsnitt, men dikt, adresser og kodelister kan trenge en manuell gjennomgang.
Orddeling
Et ord delt som «konver-» og «sjon» på slutten av en linje settes vanligvis sammen igjen. En ekte bindestrek på linjeslutt, som i «e-bok», kan miste bindestreken, så søk etter den hvis eksakt ordlyd er viktig.
Kolonner
Tidsskrifter med to kolonner leses kolonne for kolonne. Travle layouter med bokser eller utdragssitater kan sette en sidespalte inn mellom to avsnitt.
Topp- og bunntekst
Løpende titler, sidetall og konfidensialitetslinjer gjentas på hver side og havner mellom sidene i TXT-filen. Finn og erstatt på den gjentatte linjen fjerner dem i én omgang.
Portable Document Format
PDF ble laget av Adobe i 1993 og ble den åpne ISO 32000-standarden i 2008. Det låser tekst, skrifter, bilder og oppsett slik at et dokument ser likt ut på alle skjermer og skrivere. PDF-er kan inneholde skjemaer, signaturer, lenker, vedlegg og søkbar tekst, og varianten PDF/A brukes til langtidsarkivering. Det faste oppsettet gjør PDF-er vanskelige å redigere, og skannede PDF-er inneholder bare bilder med mindre OCR brukes. Alle nettlesere og operativsystemer kan åpne dem.
- Komprimering
- –
- Gjennomsiktighet
- Ja
- Animasjon
- Nei
- Introdusert
- 1993 · Adobe
TXT
Ren tekst
En TXT-fil inneholder bare vanlige tegn uten formatering, skrifter, bilder eller layout. Moderne tekstfiler er vanligvis kodet i UTF-8, som dekker alle språk, mens eldre filer kan bruke andre kodinger og vise feil tegn. Ren tekst er liten, blir aldri utdatert og åpnes på alle enheter, fra telefoner til servere. Den kan ikke inneholde fet tekst, tabeller eller bilder, så struktur må uttrykkes med mellomrom eller enkel markering.
- Komprimering
- –
- Gjennomsiktighet
- –
- Animasjon
- –
- Introdusert
- –
En .txt-fil er minste felles multiplum: datapipelines, søkeindekser, undertekst- og oversettelsesverktøy og vanlig e-post godtar den, mens en PDF trenger en parser før noe kan lese ordene.
Konverter PDF til tekst gratis: filer, størrelser og språk
- PDF-er per omgang
- 20
- per PDF
- 95 MB
- OCR-språk
- 34
- til filene slettes
- 30 min
Spørsmål om PDF til TXT
Hvordan konverterer jeg PDF til tekst gratis uten å installere noe?
Last opp PDF-en på denne siden og trykk Konverter til Ren tekst. Du trenger ingen konto og ingen programvare; konverteringen skjer på serverne våre, og filene slettes etter 30 minutter, slik det står beskrevet under slik fungerer det.
Hvorfor inneholder TXT-filen tegn som (cid:42) eller ruter i stedet for bokstaver?
PDF-en bruker en font uten tabell som kobler glyfene tilbake til Unicode-tegn, så formene vises riktig, men har ingen bokstavbetydning. Sett Tekstgjenkjenning (OCR) til Alltid: OCR leser formene som et bilde og finner vanligvis de riktige ordene.
Kan jeg konvertere bare noen av sidene i en PDF til tekst?
Ja. Sett Sider som skal konverteres til Valgte sider og skriv et område som 3-7, 12. Bare disse sidene leses, noe som også gjør lange skannede filer raskere.
Hvorfor ser bokstavparene fi og fl rare ut etter konverteringen?
Mange skrifttyper tegner fi, fl og ffi som ett sammenslått tegn, en ligatur. De fleste PDF-er kobler det tilbake til separate bokstaver, men noen kobler det til ett Unicode-tegn, for eksempel U+FB01. Det ser riktig ut på skjermen, men ødelegger søk etter vanlige bokstaver. Finn og erstatt i redigeringsprogrammet løser det.
Beholder TXT-filen sideskiftene?
Sidene følger etter hverandre i én fil, så du får ikke en egen fil per side. Trenger du én tekstfil per side, konverterer du sidene i separate kjøringer med Sider som skal konverteres.
- PDF til tekstHent ut ordene fra en PDF som en ren UTF-8-tekstfil. Skannede sider leses med OCR, sideutvalg er valgfritt, og kun teksten beholdes.
- Skannet PDF til tekstHent tekst fra en skannet PDF der du ikke kan markere eller søke. OCR leser hvert sidebilde og gir ren tekst, med valgfritt sideutvalg.
- PDF til Markdown-konverterKonverter PDF til en Markdown-fil (.md) med overskrifter, lister, lenker og tabeller. OCR for skanninger. For Obsidian, Notion og LLM-pipelines.
- PDF til Word-konverterKonverter PDF til Word du faktisk kan redigere. Teksten flyter i vanlige avsnitt, skannede sider får OCR på 34 språk, opptil 20 filer om gangen.
- OCR PDFLegg et søkbart tekstlag på skannede PDF-er, eller hent ut teksten til Word eller TXT. 34 språk, sideutvalg, 20 filer om gangen, gratis.
- EPUB til TXT-konverterHent teksten fra en DRM-fri EPUB til en ren .txt-fil for søk, ordtelling, opplesning eller analyse. Avsnitt beholdes, kode og bilder fjernes.