Come usare PDF in testo
- 1
Apri il PDF
Trascina nel riquadro un PDF fino a 50 MB, oppure fai clic per sceglierne uno. Se il file è protetto da password, ti verrà chiesta prima di tutto.
- 2
Scegli la struttura del testo
Paragrafi dà un testo scorrevole, pulito, da leggere o incollare; Layout della pagina mantiene ogni riga stampata e allinea con gli spazi le colonne delle tabelle.
- 3
Scegli le pagine e l'OCR
Estrai tutte le pagine oppure un intervallo come 2-5, 9. Attiva l'OCR e scegli la lingua se alcune pagine sono scansioni senza livello di testo.
- 4
Copia o scarica
Premi Estrai testo, controlla il risultato nel riquadro, poi copialo negli appunti o salvalo come file .txt in UTF-8.
Limiti e Pro
Un PDF fino a 50 MB e fino a 200 pagine per estrazione, OCR incluso.
Pro apre PDF fino a 4 GB e legge fino a 5.000 pagine in una volta sola. Scopri Pro
Informazioni su PDF in testo
Questo strumento legge il livello di testo che la maggior parte dei PDF contiene, cioè gli stessi caratteri che potresti selezionare in un lettore PDF, e li rimette nell'ordine in cui li leggerebbe una persona. Copiando direttamente da un lettore, spesso le due colonne di un articolo si mescolano riga per riga, ogni frase si spezza a fine riga e restano trattini in mezzo alle parole. Qui, invece, le pagine vengono prima divise in colonne e blocchi, le righe a capo vengono unite in paragrafi, una parola sillabata su due righe viene ricomposta, elenchi puntati e numerati mantengono il simbolo all'inizio della voce, e una tabella esce come righe con una tabulazione tra le celle, così si incolla in un foglio di calcolo. Un numero di pagina isolato nel margine alto o basso viene escluso, così come il testo ruotato o verticale, ad esempio una filigrana diagonale "DRAFT".
La modalità Layout della pagina fa l'opposto: mantiene ogni riga esattamente dove era stampata, usando gli spazi per tenere ferme le colonne di un modulo, di una fattura o di un estratto conto.
Le pagine scansionate non hanno un livello di testo, ma solo l'immagine del foglio. Quando l'OCR è attivo, solo quelle pagine vengono lette dal motore Tesseract nel tuo browser, in una di 47 lingue. Gli usi tipici sono citare un rapporto, passare un contratto a un traduttore o a un contatore di parole, ed estrarre le cifre da un estratto conto. Caratteri, colori, immagini e link non fanno parte del risultato; per quelli, meglio convertire il PDF in Word.
Privacy
PDF.js analizza il documento in un Web Worker sul tuo dispositivo e un secondo worker dispone le righe in paragrafi; il PDF e il suo testo non vengono mai caricati. Solo se attivi l'OCR la pagina scarica, una volta sola, il motore Tesseract e un file di lingua dalla CDN jsDelivr, e questi download non contengono nulla del tuo documento.
Funzionalità
Colonne in ordine
I layout a due e tre colonne vengono letti una colonna dopo l'altra, non riga per riga attraverso la pagina.
Veri paragrafi
Le righe a capo vengono unite e le parole sillabate a fine riga vengono ricomposte.
Tabelle da incollare
Le righe delle tabelle escono separate da tabulazioni, pronte per un foglio di calcolo, oppure allineate con gli spazi in Layout della pagina.
OCR per le scansioni
Le pagine senza livello di testo possono essere lette con Tesseract in 47 lingue, sul tuo dispositivo.