Як користуватися: PDF у текст
- 1
Відкрийте PDF
Перетягніть файл PDF розміром до 50 MB у поле або натисніть, щоб вибрати його. Якщо файл захищено паролем, спочатку буде запит пароля.
- 2
Оберіть розмітку тексту
«Абзаци» дають чистий суцільний текст для читання або вставлення. «Макет сторінки» зберігає кожен надрукований рядок і вирівнює колонки таблиць пробілами.
- 3
Виберіть сторінки та OCR
Витягніть усі сторінки або діапазон, наприклад 2-5, 9. Якщо деякі сторінки є сканами без текстового шару, увімкніть OCR і виберіть мову.
- 4
Скопіюйте або завантажте
Натисніть «Витягнути текст», перевірте результат у полі, а потім скопіюйте його в буфер обміну або збережіть як файл .txt у кодуванні UTF-8.
Ліміти та Pro
Один PDF до 50 MB і до 200 сторінок за одне витягнення, враховуючи OCR.
У Pro можна відкривати PDF до 4 GB і читати до 5 000 сторінок за раз. Дивитися Pro
Про інструмент: PDF у текст
Цей інструмент зчитує текстовий шар, який є в більшості PDF, тобто ті самі символи, що їх можна виділити у програмі для перегляду, і впорядковує їх так, як текст читала б людина. Якщо копіювати прямо з переглядача, дві колонки статті часто змішуються рядок за рядком, кожне речення обривається в кінці надрукованого рядка, а посеред слів лишаються дефіси. Тут сторінки спершу ділять на колонки та блоки, рядки з переносами зʼєднують в абзаци, слово, перенесене через два рядки, збирають докупи, маркери й номери лишаються на початку пунктів списків, а таблиця виходить рядками з табуляцією між клітинками, тож її можна вставити в електронну таблицю. Самотній номер сторінки на верхньому чи нижньому полі пропускається, так само як повернутий або вертикальний текст, наприклад діагональний водяний знак «DRAFT».
Режим «Макет сторінки» працює навпаки: він зберігає кожен рядок там, де його надруковано, а пробіли утримують на місці колонки форми, рахунку чи банківської виписки.
Скановані сторінки не мають текстового шару, лише зображення паперу. Коли ввімкнено OCR, тільки ці сторінки читає рушій Tesseract у вашому браузері, однією з 47 мов. Типові випадки використання: цитувати звіт, передати договір у перекладач або лічильник слів, витягти цифри з виписки. Шрифти, кольори, зображення й посилання до результату не потрапляють; для них краще конвертувати PDF у Word.
Приватність
PDF.js розбирає документ у Web Worker на вашому пристрої, а другий воркер розкладає рядки на абзаци; PDF і його текст нікуди не надсилаються. Лише якщо ввімкнути OCR, сторінка один раз завантажить рушій Tesseract і файл однієї мови з CDN jsDelivr, і ці завантаження не містять нічого з вашого документа.
Можливості
Колонки в порядку
Дво- і триколонкові макети читаються колонка за колонкою, а не рядок за рядком упоперек сторінки.
Справжні абзаци
Рядки з переносами зʼєднуються, а слова, поділені дефісом у кінці рядка, збираються назад.
Таблиці для вставлення
Рядки таблиць виходять із табуляцією між клітинками, готові до електронної таблиці, або вирівняні пробілами в «Макеті сторінки».
OCR для сканів
Сторінки без текстового шару можна прочитати за допомогою Tesseract 47 мовами на вашому пристрої.