PDF till text
Skala ner en PDF till bara orden: inga typsnitt, inga bilder, ingen layout, bara en .txt-fil som du kan söka i, klistra in, jämföra, köra i ett skript eller lägga in i ett översättningsverktyg. Skannade sidor läses först med OCR.
PDF-konverterare
eller släpp PDF-filer här ·
Max 95 MB per fil· Upp till 20 filer· Raderas efter 30 minuter
Filerna bearbetas på våra servrar och raderas efter 30 minuter.
Skannade PDF-filer är bilder av sidor. Auto kör OCR bara på sidor utan textlager; På tvingar det för varje sida.
Språket som är tryckt i skanningen. Rätt val förbättrar träffsäkerheten märkbart för accenter och icke-latinska skriftsystem.
Flödande text omflödas till vanliga stycken som är lätta att redigera. Exakt layout placerar varje block där det var, vilket ser likadant ut men är svårare att redigera.
Var identifierade tabeller hamnar i arbetsboken.
Sidnummer eller intervall åtskilda med kommatecken, t.ex. 1-3, 5, 8-10.
Så använder du verktyget
- 1
Släpp in PDF-filen
Ladda upp en enskild PDF eller upp till 20 filer, var och en på högst 95 MB. Blandade filer med både skrivna och skannade sidor hanteras sida för sida.
- 2
Avgränsa om du vill
Oformaterad text är redan vald under Konvertera till. Använd Sidor att konvertera under Avancerade inställningar för att bara extrahera det kapitel eller den bilaga du behöver.
- 3
Ladda ner .txt-filen
Klicka på Konvertera till Oformaterad text. Filen är UTF-8-kodad, så accenter och icke-latinska skriftsystem visas korrekt i alla moderna textredigerare.
Vad är det smidigaste sättet att få ut text ur en PDF?
Konvertera den till en vanlig .txt-fil. Du får varje ord i läsordning, med stycken åtskilda av tomma rader och inget annat, redo för vilken editor eller vilket program som helst.
Vad som behålls och försvinner när text extraheras ur PDF
Konverteraren går igenom varje sida i läsordning, uppifrån och ned och kolumn för kolumn, och skriver ut de tecken den hittar. Rader som hör till samma stycke slås ihop, och stycken separeras med en tom rad. Varje sidas text följer efter föregående sidas, så ett kapitel läses som en sammanhängande text.
Allt visuellt tas bort: typsnitt, storlekar, färger, bilder, diagram och textens placering på sidan. Det är meningen. En rapport på 10 MB full av foton krymper vanligtvis till en textfil på några hundra kilobyte, som är lättare att söka i, jämföra mellan versioner med ett diffverktyg eller klistra in i ett översättnings- eller analysverktyg.
Den som arbetar i kommandoraden känner kanske till pdftotext från projekten Poppler och Xpdf, som gör ett liknande jobb på digitala PDF:er. Skillnaden här är OCR: sidor utan textlager känns igen på det språk du väljer i stället för att bli tomma. För bilder som inte alls är PDF:er, använd bild till text.
Ren text, Markdown eller Word: välj rätt utdata
Oformaterad text
Bara orden, UTF-8.
- Minsta filen
- Öppnas i vad som helst
- Inga rubriker eller formatering
Markdown
Text med lätt märkspråk.
- Rubriker markerade med #
- Listor och fetstil bevaras
- Fortfarande en textfil
Word-dokument
Fullständig redigerbar layout.
- Tabeller och bilder bevaras
- Format bevaras
- Kräver ett ordbehandlingsprogram
Varför textfilen är så liten
1 byteper engelsk bokstav, siffra eller blanksteg i en UTF-8-textfil
Portable Document Format
PDF skapades av Adobe 1993 och blev den öppna ISO 32000-standarden 2008. Det fixerar text, typsnitt, bilder och layout så att ett dokument ser likadant ut på varje skärm och skrivare. PDF-filer kan innehålla formulär, signaturer, länkar, bilagor och sökbar text, och varianten PDF/A används för långtidsarkivering. Den fasta layouten gör PDF svårt att redigera, och skannade PDF-filer innehåller bara bilder om inte OCR har använts. Alla webbläsare och operativsystem kan öppna dem.
- Komprimering
- –
- Transparens
- Ja
- Animation
- Nej
- Introducerades
- 1993 · Adobe
TXT
Oformaterad text
En TXT-fil innehåller bara vanliga tecken utan formatering, typsnitt, bilder eller layout. Moderna textfiler är oftast kodade i UTF-8, som täcker alla språk, men äldre filer kan använda andra teckenkodningar och visa förvanskade tecken. Oformaterad text är liten, blir aldrig föråldrad och öppnas på alla enheter, från mobiler till servrar. Den kan inte innehålla fet text, tabeller eller bilder, så struktur måste uttryckas med mellanrum eller enkel märkning.
- Komprimering
- –
- Transparens
- –
- Animation
- –
- Introducerades
- –
Man plockar ut oformaterad text ur en PDF när det är orden man behöver, för sökning, citat, översättning, datarensning eller för att mata ett annat program, och layouten bara är i vägen.
Vanliga frågor om PDF till text
Varför kan jag inte bara kopiera och klistra in texten från PDF-filen?
Det går för ett stycke eller två, men när du kopierar från en PDF-läsare delas ofta ord vid radslut, kolumner blandas ihop, sidhuvuden hamnar mitt i meningar och på skannade sidor fungerar det inte alls. Vid extrahering läses hela filen i läsordning, och OCR används där textlager saknas.
Vilken teckenkodning har textfilen?
UTF-8, den kodning som webben och de flesta program använder som standard. Windows Anteckningar sparar nya filer som UTF-8 som standard sedan Windows 10 version 1903, och macOS TextEdit, VS Code och alla webbläsare läser det utan att fråga. Om ett gammalt program visar konstiga tecken, leta efter ett importalternativ där du kan välja UTF-8.
Är TXT samma sak som verktyget PDF till TXT?
Resultatet är detsamma: en .txt-fil. Den här sidan fokuserar på att få ut text för att använda den vidare, medan PDF till TXT är samma konvertering under det filändelsenamn som många också söker på.
Vad händer med tabeller?
Tabellceller skrivs i läsordning, åtskilda av tabbtecken, så en tabell går att klistra in i ett kalkylark ganska bra. Om det är tabellerna som är anledningen till konverteringen behåller PDF till Excel rader och kolumner i riktiga celler.
Kan jag få texten med rubrikerna markerade?
I oformaterad text går det inte att markera en rubrik. Välj Markdown under Konvertera till om du vill ha rubriker, listor och fetstil markerade med enkla symboler men fortfarande i en textfil.
Fungerar textextrahering från en skanning på handskrift?
OCR är byggt för tryckt text. Prydliga versaler läses ofta, men löpande handstil är inte pålitlig. Maskinskrivna eller tryckta skanningar med 300 dpi ger bäst resultat.
| PDF till Markdown | PDF till Word | PDF till EPUB |
| TXT till PDF | Bild till text | HTML till TXT |
