Extragere Text din PDF
Extrageți text din fișiere PDF online. Copiați sau descărcați ca TXT sau Markdown. Gratuit, confidențial, funcționează în browser.
Cum funcționează extragerea textului din PDF?
Acest instrument folosește pdf.js pentru a analiza fișierul PDF și a extrage conținutul text din fiecare pagină. Citește stratul de text încorporat în PDF, păstrând ordinea de citire. Textul extras poate fi copiat sau descărcat ca text simplu sau Markdown.
De ce lipsește text sau este ilizibil?
Unele PDF-uri folosesc fonturi personalizate cu codare non-standard sau conțin text ca imagini (documente scanate). Extragerea textului funcționează doar pentru PDF-uri bazate pe text. PDF-urile scanate necesită OCR, neacceptat de acest instrument.
Sunt în siguranță datele mele PDF?
Da, toată procesarea are loc complet în browserul dumneavoastră. Fișierele PDF nu sunt niciodată încărcate pe niciun server. Extragerea textului rulează local folosind biblioteci JavaScript.
Pot extrage text doar din pagini specifice?
Da, puteți alege să extrageți text din toate paginile sau să specificați un interval (ex., 1-3, 5, 7-10). Puteți alege și formatul de ieșire text simplu sau Markdown și activa numerele de pagină în ieșire.
Care este diferența dintre text simplu și ieșire Markdown?
Textul simplu afișează textul extras fără formatare. Ieșirea Markdown păstrează structura de bază, cum ar fi titlurile, listele și pauzele de linie folosind sintaxa Markdown, facilitând reutilizarea în documente sau note.
Se poate extrage text din PDF-uri scanate?
Nu, PDF-urile scanate conțin imagini de text în loc de caractere de text reale. Acest instrument extrage text doar din PDF-uri digitale cu strat de text. Pentru documente scanate aveți nevoie de un instrument OCR.
Există o limită de dimensiune a fișierului?
Deoarece procesarea are loc în browser, limita depinde de memoria dispozitivului. PDF-urile mari cu sute de pagini pot dura mai mult. Pentru cele mai bune rezultate, împărțiți fișierele foarte mari în părți mai mici.
Pot extrage text din PDF-uri protejate cu parolă?
Dacă PDF-ul are o parolă de deschidere, trebuie să-l deblocați mai întâi. Dacă are doar o parolă de permisiuni, extragerea poate funcționa. Acest instrument nu elimină parolele PDF.
Se păstrează formatarea textului?
Formatarea de bază, cum ar fi pauzele de linie și spațierea paragrafelor, este păstrată. Totuși, layout-urile complexe, tabelele și textul pe mai multe coloane pot să nu fie perfect păstrate. Opțiunea Markdown ajută la păstrarea elementelor structurale.
Pot folosi acest instrument offline?
După ce pagina este încărcată, funcționalitatea de bază de extragere a textului funcționează offline, deoarece toată procesarea se face în browser. Aveți însă nevoie de o conexiune la internet pentru a încărca inițial instrumentul.