Prevod PDF na TXT
Uložte text z PDF ako súbor .txt, ktorý otvorí každý editor, skript či vyhľadávací nástroj. Či bude text bezchybný, závisí od jednej veci vo vašom PDF: či obsahuje skutočnú textovú vrstvu, alebo len obrázky strán.
PDF Converter
alebo sem presuňte súbory PDF ·
Max. 95 MB na súbor· Až 20 súborov· Odstránenie po 30 minútach
Súbory sa spracúvajú na našich serveroch a po 30 minútach sa odstránia.
Skenované PDF sú obrázky strán. Auto spustí OCR len na stranách bez textovej vrstvy; Vždy ho vynúti pre každú stranu.
Jazyk textu v skene. Správny výber citeľne zlepší presnosť pri diakritike a nelatinských písmach.
Plynulý text sa zalomí do bežných odsekov, ktoré sa ľahko upravujú. Presné rozloženie umiestni každý blok tam, kde bol, čo vyzerá rovnako, ale sa ťažšie upravuje.
Kam v zošite pôjdu rozpoznané tabuľky.
Čísla strán alebo rozsahy oddelené čiarkami, napr. 1-3, 5, 8-10.
Ako používať tento nástroj
- 1
Pridajte súbory PDF
Vyberte jeden PDF súbor alebo naraz až 20 súborov, každý do 95 MB. V jednej dávke môžu byť napísané, exportované aj naskenované dokumenty.
- 2
Skontrolujte nastavenia pre skeny
Možnosť Previesť na je už nastavená na Obyčajný text. Ak ide o sken v inom jazyku ako angličtina, otvorte Rozšírené nastavenia a jazyk vyberte v poli Jazyk dokumentu.
- 3
Preveďte a uložte
Stlačte Previesť na Obyčajný text a stiahnite si každý súbor .txt alebo všetky spolu ako ZIP.
Ak v prehliadači PDF dokážete označiť jedno slovo, text je už v súbore a kópia TXT je presná; ak sa celá strana zvýrazní ako fotka, musí ju najprv prečítať OCR.
Prevod PDF na text: textová vrstva alebo naskenovaná strana
PDF exportované z Wordu, Dokumentov Google alebo prehliadača ukladá znaky spolu s ich pozíciami, takže ich získanie znamená prečítať ich v rozumnom poradí. PDF zo skenera alebo fotoaparátu telefónu ukladá len obraz každej strany a jeho text sa musí rozpoznať. Mnohé kancelárske PDF obe možnosti miešajú: napísaný list so zoskenovanou stranou s podpisom na konci.
Rozpoznávanie textu (OCR) určuje, ako sa s každou stranou naloží. Tri nastavenia nižšie sa na týchto druhoch súborov správajú odlišne a Auto je pre väčšinu správna voľba.
Strany, ktoré už majú textovú vrstvu, sa skopírujú tak, ako sú; strany bez nej sa rozpoznajú v zvolenom Jazyk dokumentu.
- Najlepšie pre zmiešané súbory
- Bez straty presnosti na digitálnych stranách
Každá strana sa rozpozná z obrazu, aj keď obsahuje text. Použite to, keď je existujúca textová vrstva poškodená alebo plná zástupných symbolov.
- Opraví PDF s nenamapovanými písmami
- Pomalšie pri dlhých súboroch
Číta sa len existujúca textová vrstva. Naskenované strany vyjdú prázdne, čo sa hodí, keď chcete vedieť, ktoré strany boli skeny.
- Najrýchlejšie
- Iba digitálne PDF
Prevod PDF na text s pokazenými znakmi
Text v PDF je zoznam kódov glyfov pre konkrétne písmo, nie písmená. Dobre vytvorený súbor obsahuje mapu ToUnicode, ktorá určuje, aký kód znamená aký znak. Súbory zo starších tlačových ovládačov a vlastných generátorov zostáv túto mapu vynechávajú, preto kopírovanie z nich dáva nezmysly, hoci strana vyzerá dokonale. Spoľahlivým riešením je vynútiť OCR a naskenované PDF na text podrobne popisuje nastavenia skenov.
Samotný TXT je v UTF-8, takže znaky s diakritikou, azbuka, arabčina, dévanágari aj znaky CJK sa zachovajú. Písma písané sprava doľava sa ukladajú v poradí čítania, ako to očakávajú editory aj vyhľadávače.
Zalomenia riadkov, delenie slov, stĺpce a hlavičky v TXT
Zalomenie riadkov
PDF pozná riadky, nie odseky. Riadky sa spájajú tam, kde medzery naznačujú odsek, ale básne, adresy a výpisy kódu môžu vyžadovať ručnú kontrolu.
Delenie slov
Slovo rozdelené ako „prevo-“ a „d“ na konci riadka sa zvyčajne spojí. Skutočný spojovník na konci riadka, napríklad v „e-mail“, môže o spojovník prísť, preto ho vyhľadajte, ak záleží na presnom znení.
Stĺpce
Dvojstĺpcové časopisy sa čítajú stĺpec po stĺpci. Rušné rozloženia s rámčekmi alebo citáciami môžu vsunúť bočný panel medzi dva odseky.
Hlavičky a pätičky
Priebežné nadpisy, čísla strán a riadky o dôvernosti sa opakujú na každej strane a v TXT skončia medzi stranami. Nájdenie a nahradenie opakovaného riadka ich odstráni naraz.
Portable Document Format
PDF vytvoril Adobe v roku 1993 a v roku 2008 sa stal otvoreným štandardom ISO 32000. Pevne určuje text, písma, obrázky a rozloženie, takže dokument vyzerá rovnako na každej obrazovke a tlačiarni. PDF môže obsahovať formuláre, podpisy, odkazy, prílohy a vyhľadávateľný text a variant PDF/A sa používa na dlhodobú archiváciu. Pevné rozloženie sťažuje úpravy a naskenované PDF obsahujú len obrázky, kým sa nepoužije OCR. Otvorí ich každý prehliadač aj operačný systém.
- Kompresia
- –
- Priehľadnosť
- Áno
- Animácia
- Nie
- Rok vzniku
- 1993 · Adobe
TXT
Obyčajný text
Súbor TXT obsahuje iba obyčajné znaky bez formátovania, písiem, obrázkov či rozloženia. Moderné textové súbory majú zvyčajne kódovanie UTF-8, ktoré pokrýva všetky jazyky, staršie súbory však môžu používať iné kódovania a zobraziť nezmyselné znaky. Obyčajný text je drobný, nikdy nezastará a otvorí sa na každom zariadení, od telefónov po servery. Nepojme tučný text, tabuľky ani obrázky, takže štruktúru treba vyjadriť medzerami alebo jednoduchým značkovaním.
- Kompresia
- –
- Priehľadnosť
- –
- Animácia
- –
- Rok vzniku
- –
Súbor .txt je najmenší spoločný menovateľ: prijmú ho dátové pipeline, vyhľadávacie indexy, nástroje na titulky a preklad aj obyčajný e-mail, zatiaľ čo PDF potrebuje parser, aby sa dali prečítať jeho slová.
PDF na text zadarmo: súbory, veľkosti a jazyky
- PDF v dávke
- 20
- na PDF
- 95 MB
- jazyky OCR
- 34
- do vymazania súborov
- 30 min
Otázky o prevode PDF na TXT
Ako previesť PDF na text zadarmo a bez inštalácie?
Nahrajte PDF na tejto stránke a stlačte Previesť na Obyčajný text. Nepotrebujete účet ani žiadny softvér; prevod prebieha na našich serveroch a súbory sa po 30 minútach vymažú, ako je opísané v časti ako to funguje.
Prečo sú v súbore TXT namiesto písmen symboly ako (cid:42) alebo štvorčeky?
PDF používa písmo bez tabuľky, ktorá by priraďovala jeho glyfy späť k znakom Unicode, takže tvary sa vytlačia správne, no nenesú význam písmen. Nastavte Rozpoznávanie textu (OCR) na Vždy: OCR prečíta tvary ako obrázok a zvyčajne obnoví skutočné slová.
Môžem previesť na text len niektoré strany PDF?
Áno. Prepnite Strany na prevod na Vybrané strany a zadajte rozsah, napríklad 3-7, 12. Prečítajú sa len tieto strany, čo zrýchli aj dlhé naskenované súbory.
Prečo dvojice písmen fi a fl po prevode vyzerajú zvláštne?
Mnohé typy písma kreslia fi, fl a ffi ako jeden spojený glyf, takzvanú ligatúru. Väčšina PDF ju mapuje späť na samostatné písmená, niektoré však na jediný znak Unicode, napríklad U+FB01, ktorý na obrazovke vyzerá správne, ale pokazí vyhľadávanie obyčajných písmen. Opraví to nájdenie a nahradenie vo vašom editore.
Zachová súbor TXT zalomenia strán?
Strany idú za sebou v jedinom súbore, takže nedostanete samostatný súbor pre každú stranu. Ak potrebujete jeden textový súbor na stranu, previeďte strany v samostatných behoch pomocou Strany na prevod.
- Prevod PDF na textExtrahujte slová z ľubovoľného PDF ako čistý textový súbor v UTF-8. Skeny sa čítajú cez OCR, rozsah strán je voliteľný a zostane len text.
- Prevod skenovaného PDF na textZískajte text zo skenovaného PDF, v ktorom nejde nič označiť ani vyhľadať. OCR prečíta každú stranu a vráti čistý text, aj z vybraných strán.
- Prevod PDF do MarkdownuPrevieďte PDF do súboru Markdown .md s nadpismi, zoznamami, odkazmi a tabuľkami. OCR pre skeny. Pre Obsidian, Notion a LLM.
- Prevod PDF do WorduPrevieďte PDF do Wordu, ktorý sa dá upravovať. Text sa zalomí do odsekov, skeny prejdú OCR v 34 jazykoch, až 20 súborov naraz.
- OCR PDFPridajte do naskenovaného PDF prehľadávateľnú textovú vrstvu alebo text vyberte do Wordu či TXT. 34 jazykov, rozsahy strán, 20 súborov naraz, zadarmo.
- Prevod EPUB na TXTExtrahujte text z EPUB bez DRM do súboru .txt na vyhľadávanie, počítanie slov, predčítanie či analýzu. Odseky ostanú, značky a obrázky nie.