UltKit
Imagini11
Convertor de imaginiComprimare imagineRedimensionare imagineDecupare imagineImagine în PDFPoză pentru pașaportImagine în SVGToate instrumentele Imagini →
PDF13
Comprimare PDFConvertor PDFPDF în imagineUnire PDFÎmpărțire PDFDeblocare PDFProtejare PDFToate instrumentele PDF →
Documente și date7
Conversie în PDFConvertor de documenteImagine în text (OCR)Imagine în ExcelConvertor de dateConvertor de e-bookuriToate instrumentele Documente și date →
Video6
Convertor videoComprimare videoVideo în audioVideo în GIFTăiere videoAudio în videoToate instrumentele Video →
Audio4
Convertor audioComprimare audioTăiere audioAudio în textToate instrumentele Audio →
Alte instrumente22
Generator de coduri QRArhivare ZIPDezarhivare onlineConvertor de fus orarConvertor de unitățiGenerator de paroleNumărător de cuvinteSelector de culoriToate celelalte instrumente →
BlogCum funcționează

Convertor PDF în TXT

Salvați textul unui PDF ca fișier .txt, pe care îl poate deschide orice editor, script sau instrument de căutare. Calitatea textului obținut depinde de un singur lucru din PDF: dacă are un strat de text real sau doar imagini ale paginilor.

Convertor PDF

sau trage Fișiere PDF aici ·

Maximum 95 MB per fișier· Până la 20 fișiere· Șterse după 30 minute

Rezultat

Fișierele sunt procesate pe serverele noastre și șterse după 30 minute.

Cum se folosește acest instrument

  1. 1

    Adăugați fișierele PDF

    Alegeți un PDF sau până la 20 deodată, fiecare de maximum 95 MB. Documentele scrise la calculator, cele exportate și cele scanate pot fi în același lot.

  2. 2

    Verificați setările pentru scanări

    Convertește în este deja setat pe Text simplu. Dacă documentul este o scanare într-o altă limbă decât engleza, deschideți Setări avansate și alegeți limba la Limba documentului.

  3. 3

    Convertiți și salvați

    Apăsați Convertește în Text simplu și descărcați fiecare fișier .txt sau pe toate împreună, într-un ZIP.

Dacă puteți selecta un singur cuvânt în vizualizatorul de PDF, textul este deja în fișier, iar copia TXT este exactă; dacă întreaga pagină se evidențiază ca o fotografie, OCR trebuie să o citească mai întâi.

Convertire PDF în text: strat de text sau pagină scanată

Un PDF exportat din Word, Google Docs sau dintr-un browser stochează caracterele împreună cu pozițiile lor, deci extragerea lor înseamnă citirea într-o ordine logică. Un PDF de la scaner sau de la camera telefonului stochează doar o imagine a fiecărei pagini, iar textul trebuie recunoscut. Multe PDF-uri de birou le îmbină pe amândouă: o scrisoare scrisă la calculator cu o pagină de semnătură scanată la final.

Recunoaștere text (OCR) stabilește cum este tratată fiecare pagină. Cele trei setări de mai jos se comportă diferit pe aceste tipuri de fișiere, iar Auto este potrivită pentru majoritatea.

Paginile care au deja strat de text sunt copiate ca atare; cele fără strat de text sunt recunoscute în Limba documentului aleasă.

  • Cea mai bună pentru fișiere mixte
  • Fără pierdere de acuratețe pe paginile digitale

Caractere stricate în textul obținut din PDF

Într-un PDF, textul este o listă de coduri de glife pentru un anumit font, nu litere. Un fișier bine făcut include o hartă ToUnicode care spune ce cod înseamnă ce caracter. Fișierele create de unele drivere de imprimare mai vechi și de generatoare de rapoarte personalizate omit această hartă, de aceea copierea din ele dă text fără sens, deși pagina arată perfect. Forțarea OCR este soluția sigură, iar PDF scanat în text tratează în detaliu setările pentru scanări.

TXT-ul în sine este UTF-8, deci literele cu diacritice, chirilicele, caracterele arabe, devanagari și CJK se păstrează. Scrierile de la dreapta la stânga sunt stocate în ordinea de citire, cum se așteaptă editoarele și motoarele de căutare.

Rânduri noi, despărțire în silabe, coloane și antete în TXT

  1. Sfârșituri de rând

    Un PDF cunoaște rânduri, nu paragrafe. Rândurile sunt reunite acolo unde spațierea sugerează un paragraf, dar poeziile, adresele și listingurile de cod pot cere o verificare manuală.

  2. Silabisire

    Un cuvânt împărțit ca „conver-” și „sion” la capăt de rând este de obicei reunit. O cratimă reală aflată la capăt de rând, ca în „bine-cunoscut”, își poate pierde cratima, deci căutați-o dacă formularea exactă contează.

  3. Coloane

    Revistele pe două coloane sunt citite coloană cu coloană. Aspectele încărcate, cu casete sau citate evidențiate, pot strecura o bară laterală între două paragrafe.

  4. Antete și subsoluri

    Titlurile curente, numerele de pagină și mențiunile de confidențialitate se repetă pe fiecare pagină și ajung între pagini în TXT. O înlocuire a rândului repetat le elimină dintr-o trecere.

PDF

Portable Document Format

PDF a fost creat de Adobe în 1993 și a devenit standardul deschis ISO 32000 în 2008. Fixează textul, fonturile, imaginile și aspectul, astfel încât documentul arată la fel pe orice ecran și imprimantă. PDF-urile pot conține formulare, semnături, linkuri, atașamente și text căutabil, iar varianta PDF/A este folosită pentru arhivare pe termen lung. Aspectul fix face PDF-urile greu de editat, iar PDF-urile scanate conțin doar imagini, dacă nu se aplică OCR. Orice browser și sistem de operare le poate deschide.

Compresie
–
Transparență
Da
Animație
Nu
Introdus în
1993 · Adobe
Convertor PDF

TXT

Text simplu

Un fișier TXT conține doar caractere simple, fără formatare, fonturi, imagini sau aspect de pagină. Fișierele text moderne sunt de obicei codificate în UTF-8, care acoperă toate limbile, deși fișierele mai vechi pot folosi alte codificări și pot afișa caractere stricate. Textul simplu este foarte mic, nu devine niciodată depășit și se deschide pe orice dispozitiv, de la telefoane la servere. Nu poate conține text aldin, tabele sau imagini, așa că structura trebuie exprimată prin spațiere sau marcaje simple.

Compresie
–
Transparență
–
Animație
–
Introdus în
–
Convertor TXT

Un fișier .txt este cel mai mic numitor comun: fluxurile de date, indexurile de căutare, instrumentele de subtitrare și traducere și e-mailul simplu îl acceptă, în timp ce un PDF are nevoie de un parser înainte ca cineva să-i poată citi cuvintele.

Convertire gratuită PDF în text: fișiere, mărimi și limbi

PDF-uri per lot
20
per PDF
95 MB
Limbi OCR
34
până la ștergerea fișierelor
30 min

Întrebări despre conversia PDF în TXT

Cum convertesc gratuit un PDF în text, fără să instalez nimic?

Încărcați PDF-ul pe această pagină și apăsați Convertește în Text simplu. Nu aveți nevoie de cont și nu instalați nimic; conversia rulează pe serverele noastre, iar fișierele se șterg după 30 de minute, așa cum este explicat în cum funcționează.

De ce fișierul TXT conține simboluri ca (cid:42) sau pătrățele în loc de litere?

PDF-ul folosește un font fără tabel care să lege glifele de caracterele Unicode, așa că formele se afișează corect, dar nu au sens de litere. Setați Recunoaștere text (OCR) pe Always: OCR citește formele ca pe o imagine și de obicei recuperează cuvintele reale.

Pot converti în text doar anumite pagini dintr-un PDF?

Da. Treceți Pagini de convertit pe Selected pages și scrieți un interval, de exemplu 3-7, 12. Doar acele pagini sunt citite, ceea ce accelerează și fișierele lungi scanate.

De ce grupurile de litere fi și fl arată ciudat după conversie?

Multe fonturi desenează fi, fl și ffi ca un singur glif combinat, numit ligatură. Majoritatea PDF-urilor îl asociază înapoi cu literele separate, dar unele îl asociază cu un singur caracter Unicode, precum U+FB01, care arată corect pe ecran, dar strică o căutare după literele simple. O înlocuire (găsește și înlocuiește) în editor rezolvă problema.

Fișierul TXT păstrează delimitarea paginilor?

Paginile se succed într-un singur fișier, deci nu primiți un fișier separat pentru fiecare pagină. Dacă aveți nevoie de un fișier text pe pagină, convertiți paginile în rulări separate cu Pagini de convertit.