بیرون کشیدن متن از PDF

همهٔ متن، به‌صورت یک فایل ساده. برگزینید که خط‌های شکسته به بند بچسبند یا نه، و آغاز هر صفحه نشان بخورد یا نه.

این ابزارها به جاوااسکریپت نیاز دارند، چون مرورگر شما کاری را می‌کند که سایت‌های دیگر روی سرور انجام می‌دهند.

یک PDF انتخاب یا اینجا رها کنیدمتن روی دستگاه شما خوانده می‌شود

رفتار با خط‌ها

نشانهٔ صفحه

چگونه متن را از PDF بیرون بکشیم

فایل PDF خود را انتخاب کنید.
رفتار با خط‌ها را برگزینید و بگویید نشانهٔ صفحه می‌خواهید یا نه.
دکمهٔ بیرون کشیدن متن را بزنید. یک فایل ‎.txt می‌گیرید.

دربارهٔ بیرون کشیدن متن

متن ساده قالبی است که همه‌جا می‌رود: به یک ویرایشگر، به یک اسکریپت، به یک جست‌وجو، به یک ابزار تحلیل. وقتی قالب‌بندی را نمی‌خواهید بلکه خود واژه‌ها را می‌خواهید، یک ‎.txt از هر چیز دیگری آسان‌تر به کار می‌آید.

خط‌ها در یک PDF آنجا شکسته‌اند که سطر روی کاغذ تمام شده، نه آنجا که اندیشه تمام می‌شود. چسباندنشان به بند، متنی می‌دهد که مثل متن خوانده می‌شود؛ نگه داشتن خط‌ها همان‌طور که هستند وقتی بهتر است که جایشان مهم باشد — فهرست‌ها، شعر، جدول‌های ساده.

نشانهٔ صفحه برای کسی است که باید بتواند بگوید چیزی در فایل اصلی کجا بوده. بی آن‌ها، متن یکسره جاری می‌شود.

مانند تبدیل به ورد: اگر PDF یک اسکن باشد، متنی در آن نیست، و ابزار به‌جای دادن فایلی خالی همین را می‌گوید.

پرسش‌ها دربارهٔ PDF به متن

چرا متن بدون قالب‌بندی بیرون می‌آید؟

چون معنای متن ساده همین است. نه قلمی، نه سیاهی، نه ستونی — تنها واژه‌ها. اگر سند ویرایش‌پذیر با بند می‌خواهید، از PDF به ورد استفاده کنید.

چرا خط‌ها وسط جمله می‌شکنند؟

چون در PDF همان‌طور شکسته‌اند. چسباندن خط‌ها به بند را برگزینید تا دوباره به هم بپیوندند.

روی PDF اسکن‌شده کار می‌کند؟

خیر، و به شما گفته می‌شود. اسکن متن ندارد بلکه تصویرهایی از متن دارد. به OCR نیاز بود و آن یعنی فرستادن فایل به یک سرور.

آیا ترتیب متن می‌ماند؟

معمولاً بله، به همان ترتیبی که در صفحه آمده. سندی دو ستونه ممکن است درهم بیرون بیاید، چون ترتیب داخل فایل همیشه ترتیبی نیست که ما می‌خوانیم.

آیا PDF جایی بارگذاری می‌شود؟

خیر. متن در مرورگر و روی دستگاه شما خوانده می‌شود.