Извлечь текст из PDF
Извлеките текстовый слой из PDF и сохраните его как чистый текстовый файл UTF-8. Строки восстанавливаются по разметке страницы, можно выбрать диапазон
Перетащите файл PDF сюда
или нажмите, чтобы выбрать файлы
Извлеките текст из PDF, чтобы его можно было редактировать, искать по нему или передать в другую программу. Разметка восстанавливается строка за строкой и страница за страницей, а результат можно скопировать или скачать как обычный текстовый файл.
Пригодится, когда отчёт существует только в виде PDF, когда нужно процитировать фрагмент или когда вы хотите проверить документ, не открывая программу для чтения. Текст читается из самого файла, поэтому инструмент работает с PDF, созданными цифровым способом; скан не содержит текстового слоя и требует OCR.
Как извлечь текст из PDF
Добавьте PDF
Извлеките текст
Скопируйте его или скачайте файл .txt
Частые вопросы
Почему мой отсканированный PDF пустой?
Скан — это изображение текста без текстового слоя, поэтому извлекать нечего. Такие файлы сначала нужно распознать с помощью OCR.
Сохраняется ли разметка?
Строки и разрывы страниц сохраняются, но сложные многоколоночные макеты и таблицы получаются лишь приближением порядка чтения. Таблицы, скорее всего, придётся поправить вручную.
Можно ли извлечь только часть страниц?
Да, укажите диапазон страниц, и обработаются только они — это удобно для длинных отчётов, когда нужен один раздел.
Работает ли это с нелатинским текстом?
Да, если PDF содержит шрифты, необходимые для отображения символов. Китайские, японские, корейские, кириллические и арабские документы обычно извлекаются корректно.
Есть ли ограничение по размеру?
Практическое ограничение — память вашего устройства. Длинные документы обрабатываются страница за страницей, и результат можно читать по мере появления.
Мой PDF загружается на сервер?
Нет, извлечение выполняется в вашем браузере.
Кратко
| Ввод | |
|---|---|
| Несколько файлов | Нет |
| Где работает | В вашем браузере — файлы никуда не загружаются |
| Работает офлайн | Да — после загрузки страницы |
| Цена | Бесплатно, без регистрации, без водяных знаков |
Как сохранить текст выделяемым и доступным для поиска
PDF может содержать настоящий текст или картинку с текстом, и разница важна: настоящий текст можно выделять, искать, копировать и читать вслух, а отсканированную страницу — нет, пока кто-нибудь не применит к ней OCR. Многие инструменты «уменьшения размера» молча превращают всё в изображения: файл становится меньше, но поиск по нему теряется, а текст при увеличении выглядит размытым. Если документ должен оставаться пригодным для работы — договоры, инструкции, всё, что может понадобиться найти позже, — оставляйте текст текстом и сжимайте только изображения. Если вы начинаете со скана, сначала выполните OCR, а затем сжимайте.
Что на самом деле делает PDF большим
Почти всё в объёмном PDF — это изображения, а не текст. Скан на десять страниц может занимать 40 МБ, тогда как текстовый документ на 300 страниц часто меньше 2 МБ. Поэтому сжатие нацелено на встроенные картинки: оно уменьшает их до разумного разрешения (150 dpi обычно достаточно для чтения с экрана, 300 dpi — только если документ будут печатать) и перекодирует их эффективнее. Текст, закладки, ссылки и поля форм почти ничего не стоят, и их никогда не нужно удалять. Если после сжатия файл остаётся большим, обычно в нём либо много изображений высокого разрешения, которых настройка сжатия не коснулась, либо встроенные шрифты и вложения, которые можно удалить.