Extragere text din PDF
Copiați textul dintr-un PDF care are deja text selectabil. Alegeți paginile și revizuiți cuvintele extrase înainte de a salva TXT; o imagine de pagină scanată are nevoie de OCR în loc de extracția directă a textului.
Înainte de a începe
- Introducere
- Un PDF cu o strată de text citită existentă.
- ieşire
- Editate text plain și un TXT download.
Instrumente de încărcare...
Cum să utilizați acest instrument
- Alegeți un PDF susținut, neprotejat.
- Selectați intervalul de pagină și extrageți textul existent.
- Verificați ordinea de citire și orice pagini fără text, apoi copiați sau descărcați TXT.
Înțelegeți rezultatul
Un PDF digital poate stoca simboluri text ca text, în timp ce un PDF scanat poate stoca fiecare pagină ca imagine. Acest instrument citește textul existent. Nu transformă imaginile paginilor scanate în cuvinte; utilizați imaginea OCR pentru aceste pagini.
Cum pot copia textul dintr-un PDF într-un fișier TXT editabil?
Alegeți un PDF care are o strată de text existentă, selectați paginile și extrageți. Citiți rezultatul înainte de a-l utiliza: coloanele, titlurile și tabelele pot apărea într-o ordine diferită de pe pagina. Copiați cuvintele de care aveți nevoie sau descărcați TXT; formatarea și imaginile încorporate nu sunt păstrate.
De ce nu se extrage textul din PDF-ul meu scanat?
Un scan poate fi o imagine a cuvintelor fără strat de text de bază. Exportați pagina relevantă cu PDF în JPG, apoi utilizați Imaginea în Text și proofread-ul său OCR. Extracția directă a textului nu poate recupera cuvinte dintr-o pagină de imagine sau poate repara orice codare neobișnuită a fontului.
Pot edita textul PDF extras înainte de a salva un fișier TXT?
Da şi da. Corectați textul în caseta de rezultate înainte de a o copia sau pentru a crea descărcarea TXT. Dacă editați după crearea unei descărcări, vechea legătură este îndepărtată și puteți genera o nouă. Reapareți fișierul salvat pentru a verifica modificările și a citi comanda. Acest lucru editează numai textul extras; nu modifică PDF-ul original sau își păstrează layoutul paginii.
Încercați un eșantion
Încercați un eșantion original pentru a verifica fluxul de lucru susținut. O amprentă de succes nu este o garanție pentru fiecare intrare.
Originală PDF ↓ Originală PDF ↓Dacă rezultatul nu este ceea ce ați așteptat
Rezultatul este gol sau are pagini lipsite.
O pagină scanată poate conține doar o imagine. Exportați această pagină cu PDF în JPG, apoi rulați Imaginea în Text și proofread. Această rută nu creează un PDF căutat sau un layout Word editabil.
Următorul instrument util: PDF în JPG →Limite importante
- Numai straturi de text existente; fără OCR automat.
- Ordinul de citire poate diferă de layoutul vizual, mai ales în paginile multi coloane.
- Fonturile fără simboluri de text utile pot produce un text lipsit sau incorect.
- maximă 20 MB , 100 de pagini și 2 milioane de simboluri de text de ieșire.
Întrebări frecvente
De ce nu a revenit textul PDF scanat?
Paginile pot conține doar imagini. Întoarceți paginile necesare cu PDF în JPG, apoi recunoașteți imaginile cu Imaginea în Text.
O masă își va păstra rândurile și coloanele?
Textul plain nu poate păstra layoutul PDF complet. Columne, tabele și poziționarea neobișnuită a textului pot avea nevoie de editare după extracție.
Acest lucru creează un document Microsoft Word?
nu . Acesta produce un text corect editat și o descărcare TXT, nu un document DOCX.
Se poate deschide un PDF protejat cu parola?
Această versiune nu prelucrează fișierele protejate cu parola sau restricțiile documentului bypass. Utilizați o copie accesibilă pe care ați fost autorizat să o prelucrați.
Ghiduri conexe
Întrebări sau corecții? mrkcal@mrkcal.com