Beží vo vašom zariadení

PDF do textu

Vytiahnite z PDF slová ako čistý textový súbor — spojené do odsekov na čítanie alebo riadok po riadku pre dáta.

    Ako vytiahnuť text z PDF

    1. Vyberte svoje PDF. Čítanie začne okamžite — netreba nič stláčať.
    2. Zvoľte, či sa majú zalomené riadky spojiť do odsekov, alebo zostať presne tak, ako padli.
    3. Uložte .txt a otvorte ho kdekoľvek — je to čistý text v UTF-8.

    Dve rôzne úlohy s rovnakým názvom

    Za „dostať von text“ sa skrývajú dve úlohy, ktoré chcú opačné zaobchádzanie. Ak budete výsledok čítať alebo ho niekam vložíte, chcete riadky, ktoré strana náhodou zalomila, spojiť späť do viet. Ak vyťahujete tabuľku alebo zoznam kódov, práve tie zlomy riadkov sú štruktúrou a ich spojenie ju zničí.

    Preto sa ponúkajú obe možnosti namiesto hádania. Spájanie používa medzery medzi riadkami na rozhodnutie, kde odsek naozaj končí, a lieči slová rozdelené na konci riadka. Zachovanie riadkov vám dá stranu presne tak, ako bola rozvrhnutá, riadok po riadku.

    Text pochádza z textovej vrstvy samotného PDF, takže sú to slová, ktoré dokument naozaj obsahuje, nie odhad z obrázka. Znamená to tiež, že naskenované PDF neobsahuje text, ktorý by sa dal vytiahnuť — obsahuje fotografie textu. Nástroj vám to povie namiesto toho, aby vám podal prázdny súbor.

    Výstupom je čistý UTF-8, ktorý prečíta každý editor, tabuľkový procesor aj skript bez okolkov. Formátovanie z definície neprežije: ak chcete nadpisy a tučné písmo, použite radšej PDF do Wordu.

    Otázky o vyťahovaní textu

    Prečo je môj súbor prázdny?

    Pretože PDF je sken: obsahuje obrázky strán, nie text. Prečítať tie slová vyžaduje OCR, a robiť OCR online znamená nahrať váš dokument. Nástroj vám to povie namiesto toho, aby vám podal prázdny súbor.

    Mám riadky spájať, alebo zachovať?

    Spájať pri všetkom, čo budete čítať alebo vkladať ako súvislý text — správy, listy, články. Zachovať pri tabuľkách, kóde, adresách či zoznamoch, kde zlomy riadkov nesú význam, ktorý by spojenie zničilo.

    Prenesie sa formátovanie?

    Nie, a presne to znamená čistý text. Tučné písmo, nadpisy, stĺpce aj tabuľky sa sploštia na slová. Ak potrebujete formátovanie, PDF do Wordu zachová odseky, nadpisy aj štýly znakov.

    Prečo je viacstĺpcová strana pomiešaná?

    PDF nezaznamenáva, že niečo bolo stĺpcom, takže sa text číta v poradí, v akom bol do súboru umiestnený, čo pri dvojstĺpcovom rozložení často znamená preskakovanie medzi stĺpcami. Zachovanie riadkov namiesto spájania sa zvyčajne ľahšie dotriedi ručne.

    Nahráva sa môj dokument?

    Nie. Váš prehliadač prečíta PDF a zapíše .txt vo vašom zariadení. Nikam sa nič neposiela.

    Ďalšie nástroje pre PDF