Pretvornik PDF v besedilo
PDF skrčite na golo besedilo: brez pisav, slik in postavitve, le datoteka .txt, po kateri lahko iščete, jo prilepite, primerjate, podate skripti ali naložite v prevajalsko orodje. Skenirane strani se najprej preberejo z OCR.
Pretvornik PDF
ali spustite datoteke PDF sem ·
Največ 95 MB na datoteko· Do 20 datotek· Izbrisano po 30 minutah
Datoteke se obdelajo na naših strežnikih in izbrišejo po 30 minutah.
Skenirani PDF-ji so slike strani. Samodejno zažene OCR samo na straneh brez besedilne plasti; Vklopljeno ga vsili na vsaki strani.
Jezik, natisnjen v skenu. Prava izbira opazno izboljša natančnost pri naglasih in nelatiničnih pisavah.
Tekoče besedilo se prelomi v navadne odstavke, ki jih je lahko urejati. Natančna postavitev postavi vsak blok tja, kjer je bil, kar izgleda enako, a je težje za urejanje.
Kam v delovnem zvezku se uvrstijo zaznane tabele.
Številke strani ali razponi, ločeni z vejicami, npr. 1-3, 5, 8-10.
Kako uporabljati to orodje
- 1
Naložite PDF
Naložite en PDF ali do 20 datotek, vsako do 95 MB. Mešane datoteke s tipkanimi in skeniranimi stranmi se obdelajo stran za stranjo.
- 2
Po želji omejite izbor
Navadno besedilo je pod Pretvori v že izbrano. Z možnostjo Strani za pretvorbo v razdelku Napredne nastavitve izvlecite samo poglavje ali dodatek, ki ga potrebujete.
- 3
Prenesite datoteko .txt
Pritisnite Pretvori v Navadno besedilo. Datoteka je kodirana v UTF-8, zato se naglasi in nelatinične pisave pravilno prikažejo v vsakem sodobnem urejevalniku.
Kako najlažje izvleči besedilo iz PDF?
Pretvorite ga v navadno datoteko .txt. Dobite vsako besedo v bralnem vrstnem redu, odstavke ločene s praznimi vrsticami in nič drugega, pripravljeno za vsak urejevalnik ali program.
Kaj izvlečenje besedila iz PDF ohrani in kaj odstrani
Pretvornik obdela vsako stran v bralnem vrstnem redu, od zgoraj navzdol in stolpec za stolpcem, ter zapiše znake, ki jih najde. Vrstice istega odstavka se združijo, odstavki pa so ločeni s prazno vrstico. Besedilo vsake strani sledi besedilu prejšnje, tako da se poglavje bere kot neprekinjen odlomek.
Vse vizualno se zavrže: pisave, velikosti, barve, slike, grafikoni in položaj besedila na strani. To je smisel pretvorbe. Poročilo z 10 MB, polno fotografij, se običajno skrči v besedilno datoteko z nekaj sto kilobajti, ki jo je lažje iskati, primerjati med različicami z orodjem diff ali prilepiti v orodje za prevajanje ali analizo.
Uporabniki ukazne vrstice morda poznajo pdftotext iz projektov Poppler in Xpdf, ki podobno deluje na digitalnih PDF. Razlika je tu v OCR: strani brez besedilnega sloja se prepoznajo v izbranem jeziku, namesto da bi ostale prazne. Za slike, ki sploh niso PDF, uporabite sliko v besedilo.
Navadno besedilo, Markdown ali Word: izberite pravi izhod
Navadno besedilo
Samo besede, UTF-8.
- Najmanjša datoteka
- Odpre se v vsem
- Brez naslovov in oblikovanja
Markdown
Besedilo z lahkim označevanjem.
- Naslovi označeni z #
- Seznami in krepko ohranjeni
- Še vedno besedilna datoteka
Dokument Word
Celotna urejljiva postavitev.
- Tabele in slike ohranjene
- Slogi ohranjeni
- Potreben je urejevalnik besedil
Zakaj je besedilna datoteka tako majhna
1 bajtna angleško črko, števko ali presledek v besedilni datoteki UTF-8
Portable Document Format
PDF je leta 1993 ustvaril Adobe, leta 2008 pa je postal odprt standard ISO 32000. Določi besedilo, pisave, slike in postavitev, tako da je dokument na vsakem zaslonu in tiskalniku videti enako. PDF lahko vsebuje obrazce, podpise, povezave, priloge in iskalno besedilo, različica PDF/A pa se uporablja za dolgotrajno arhiviranje. Zaradi stalne postavitve je PDF težko urejati, skenirani PDF-ji pa vsebujejo le slike, razen če se uporabi OCR. Odprejo ga vsi brskalniki in operacijski sistemi.
- Stiskanje
- –
- Prosojnost
- Da
- Animacija
- Ne
- Uvedeno
- 1993 · Adobe
TXT
Navadno besedilo
Datoteka TXT vsebuje samo navadne znake brez oblikovanja, pisav, slik ali postavitve. Sodobne besedilne datoteke so običajno kodirane v UTF-8, ki zajema vse jezike, starejše pa lahko uporabljajo druge kodne tabele in prikažejo popačene znake. Navadno besedilo je majhno, nikoli ne zastara in se odpre na vsaki napravi, od telefonov do strežnikov. Ne more vsebovati krepkega besedila, tabel ali slik, zato je treba strukturo izraziti z razmiki ali preprosto označevalno sintakso.
- Stiskanje
- –
- Prosojnost
- –
- Animacija
- –
- Uvedeno
- –
Navadno besedilo iz PDF izvlečejo, kadar potrebujejo samo besede, za iskanje, citiranje, prevajanje, čiščenje podatkov ali vnos v drug program, postavitev pa je le v napoto.
Pogosta vprašanja o pretvorbi PDF v besedilo
Zakaj ne morem besedila iz PDF preprosto kopirati in prilepiti?
Za odstavek ali dva lahko, vendar kopiranje iz bralnika PDF pogosto prelomi besede na koncu vrstic, zamenja stolpce, sredi stavkov doda glave strani, na skeniranih straneh pa ne naredi ničesar. Izvlečenje prebere celotno datoteko v bralnem vrstnem redu in zažene OCR, kjer ni besedilnega sloja.
Kakšno kodiranje ima besedilna datoteka?
UTF-8, kodiranje, ki je privzeto na spletu in v večini programov. Windows Notepad nove datoteke privzeto shranjuje v UTF-8 od različice Windows 10 1903, macOS TextEdit, VS Code in vsi brskalniki pa ga preberejo brez vprašanj. Če star program prikaže čudne znake, poiščite možnost uvoza, v kateri lahko izberete UTF-8.
Ali je TXT enako kot orodje PDF v TXT?
Rezultat je enak: datoteka .txt. Ta stran se osredotoča na izvlečenje besedila za ponovno uporabo; PDF v TXT je ista pretvorba pod imenom z datotečno končnico, ki ga ljudje prav tako iščejo.
Kaj se zgodi s tabelami?
Celice tabel so zapisane v bralnem vrstnem redu, ločene s tabulatorji, zato se tabela razmeroma dobro prilepi v preglednico. Če tabele so razlog za pretvorbo, PDF v Excel ohrani vrstice in stolpce v pravih celicah.
Ali lahko dobim besedilo z označenimi naslovi?
V navadnem besedilu naslovov ni mogoče označiti. Pod Pretvori v izberite Markdown, če želite naslove, sezname in krepko besedilo označiti z enostavnimi simboli, datoteka pa ostane besedilna.
Ali izvlečenje besedila iz skena deluje tudi za rokopis?
OCR je namenjen tiskanemu besedilu. Urejene velike tiskane črke se pogosto preberejo, pisana pisava pa ni zanesljiva. Najboljše rezultate dajo natipkani ali tiskani skeni s 300 dpi.
| PDF v Markdown | PDF v Word | PDF v EPUB |
| TXT v PDF | Slika v besedilo | HTML v TXT |
