Конвертер PDF в TXT

Q: Как бесплатно перевести PDF в текст без установки программ?

Загрузите PDF на этой странице и нажмите **Конвертировать в Plain text**. Регистрация и установка программ не нужны: конвертация выполняется на наших серверах, а файлы удаляются через 30 минут, как описано в разделе [как это работает](/how-it-works).

Q: Можно ли перевести в текст только часть страниц PDF?

Да. Переключите **Страницы для преобразования** на «Выбранные страницы» и введите диапазон, например 3-7, 12. Будут прочитаны только эти страницы, что также ускоряет обработку длинных сканов.

Сохраните текст из PDF в файл .txt, который откроет любой редактор, скрипт или поисковая программа. Насколько точным получится текст, зависит от одного: есть ли в вашем PDF настоящий текстовый слой или только изображения страниц.

или перетащите сюда файлы PDF ·

Макс. 95 MB на файл· До 20 файлов· Удаляются через 30 минут

Вывод

Преобразовать в

Файлы обрабатываются на наших серверах и удаляются через 30 минут.

Отсканированные страницы

Распознавание текста (OCR)

Отсканированные PDF — это изображения страниц. «Авто» запускает OCR только для страниц без текстового слоя; «Всегда» — для каждой страницы.

Язык документа

Язык текста на скане. Правильный выбор заметно повышает точность для букв с диакритикой и нелатинских алфавитов.

Макет

Страницы

Страницы для преобразования

Как пользоваться инструментом

1
Добавьте PDF-файлы
Выберите один PDF или до 20 файлов за раз, каждый размером до 95 MB. В одну партию можно добавить набранные, экспортированные и отсканированные документы.
2
Проверьте настройки для сканов
В поле Преобразовать в уже выбран вариант «Обычный текст». Если документ — скан на языке, отличном от английского, откройте Расширенные настройки и выберите язык в поле Язык документа.
3
Конвертируйте и сохраните
Нажмите Конвертировать в Plain text и скачайте каждый .txt файл или все сразу в одном ZIP-архиве.

Если в программе просмотра PDF удаётся выделить отдельное слово, текст уже находится в файле и TXT-копия будет точной; если вся страница выделяется как фото, сначала нужно распознать её с помощью OCR.

Конвертировать PDF в текст: текстовый слой или скан

PDF, экспортированный из Word, Google Docs или браузера, хранит символы вместе с их позициями, поэтому для извлечения текста нужно прочитать их в правильном порядке. PDF со сканера или камеры телефона хранит только изображение каждой страницы, и текст нужно распознавать. Многие офисные PDF смешивают оба типа: набранное письмо с отсканированной страницей подписи в конце.

Параметр Распознавание текста (OCR) определяет, как обрабатывается каждая страница. Три значения ниже по-разному работают с такими файлами, и для большинства подходит «Авто».

Страницы с текстовым слоем копируются как есть; страницы без него распознаются на языке, выбранном в поле Язык документа.

Лучший вариант для смешанных файлов
Без потери точности на цифровых страницах

Нечитаемые символы после конвертации PDF в текст

Внутри PDF текст — это список кодов глифов конкретного шрифта, а не буквы. В хорошо сделанном файле есть карта ToUnicode, которая указывает, какой код какому символу соответствует. В файлах от некоторых старых драйверов печати и самописных генераторов отчётов её нет, поэтому при копировании получается бессмыслица, хотя страница выглядит идеально. Надёжный выход — принудительный OCR; подробнее о настройках для сканов — в разделе скан PDF в текст.

Сам TXT создаётся в UTF-8, поэтому буквы с диакритикой, кириллица, арабское письмо, деванагари и иероглифы CJK сохраняются. Письменность справа налево хранится в порядке чтения, как это ожидают редакторы и поисковые системы.

Переносы строк и слов, колонки и колонтитулы в TXT

Переносы строк
PDF знает строки, но не абзацы. Строки склеиваются там, где интервалы указывают на абзац, но стихи, адреса и листинги кода могут потребовать ручной проверки.
Переносы слов
Слово, разбитое в конце строки на «конвер-» и «сия», обычно склеивается обратно. Настоящий дефис в конце строки, как в «кто-нибудь», может потеряться, поэтому проверьте его поиском, если важна точная формулировка.
Колонки
Журналы с двумя колонками читаются колонка за колонкой. В насыщенных макетах с рамками и выносками боковая врезка может оказаться между двумя абзацами.
Колонтитулы
Колонтитулы, номера страниц и строки о конфиденциальности повторяются на каждой странице и попадают в TXT между страницами. Поиск и замена повторяющейся строки убирает их за один проход.

PDF

Документ PDF (Portable Document Format)

PDF создан Adobe в 1993 году и в 2008 году стал открытым стандартом ISO 32000. Он фиксирует текст, шрифты, изображения и вёрстку, поэтому документ выглядит одинаково на любом экране и принтере. PDF может содержать формы, подписи, ссылки, вложения и текст с возможностью поиска, а вариант PDF/A используется для долговременного архивирования. Из-за фиксированной вёрстки PDF трудно редактировать, а отсканированные PDF содержат только изображения, если не применить OCR. Их открывает любой браузер и любая операционная система.

Сжатие: –
Прозрачность: Да
Анимация: Нет
Год появления: 1993 · Adobe

Конвертер PDF

TXT

Обычный текст

Файл TXT содержит только простые символы без форматирования, шрифтов, изображений и вёрстки. Современные текстовые файлы обычно хранятся в кодировке UTF-8, которая охватывает все языки, хотя старые файлы могут использовать другие кодировки и показывать нечитаемые символы. Обычный текст весит очень мало, никогда не устаревает и открывается на любом устройстве — от телефонов до серверов. В нём не может быть полужирного текста, таблиц или картинок, поэтому структуру приходится передавать отступами или простой разметкой.

Сжатие: –
Прозрачность: –
Анимация: –
Год появления: –

Конвертер TXT

Файл .txt — это универсальный минимум: его принимают конвейеры данных, поисковые индексы, инструменты субтитров и перевода и обычная электронная почта, тогда как для PDF нужен парсер, чтобы прочитать слова.

PDF в текст бесплатно: файлы, размеры и языки

PDF в партии: 20
на один PDF: 95 MB
языков OCR: 34
до удаления файлов: 30 мин

Вопросы о конвертации PDF в TXT

Как бесплатно перевести PDF в текст без установки программ?

Загрузите PDF на этой странице и нажмите Конвертировать в Plain text. Регистрация и установка программ не нужны: конвертация выполняется на наших серверах, а файлы удаляются через 30 минут, как описано в разделе как это работает.

Почему в файле TXT вместо букв символы вроде (cid:42) или квадратики?

В PDF используется шрифт без таблицы, которая сопоставляет его глифы с символами Unicode, поэтому буквы отображаются нормально, но не несут текстового смысла. Установите для параметра Распознавание текста (OCR) значение «Всегда»: OCR прочитает формы букв как изображение и обычно восстанавливает настоящие слова.

Можно ли перевести в текст только часть страниц PDF?

Да. Переключите Страницы для преобразования на «Выбранные страницы» и введите диапазон, например 3-7, 12. Будут прочитаны только эти страницы, что также ускоряет обработку длинных сканов.

Почему сочетания fi и fl после конвертации выглядят странно?

Во многих шрифтах сочетания fi, fl и ffi рисуются одним глифом — лигатурой. В большинстве PDF она сопоставляется с отдельными буквами, но в некоторых — с одним символом Unicode, например U+FB01. На экране это выглядит правильно, но поиск по обычным буквам не срабатывает. Исправить это можно поиском и заменой в вашем редакторе.

Сохранятся ли в файле TXT разрывы страниц?

Страницы идут друг за другом в одном файле, поэтому отдельного файла на каждую страницу не создаётся. Если нужен отдельный текстовый файл для каждой страницы, преобразуйте страницы отдельными запусками, указывая их в поле Страницы для преобразования.

Конвертер PDF в TXT