Извлечь текст из PDF: пошаговая инструкция
Часто из PDF нужен не сам документ, а только слова в нём: пункт договора, чтобы вставить его в письмо, кусок методички для конспекта, строки банковской выписки или счёта для таблицы расходов. PDF to Text берёт текст, который уже есть внутри файла, и отдаёт его обычным текстом — без шрифтов, картинок и вёрстки.
Что именно читает PDF to Text
У большинства PDF, созданных на компьютере, есть текстовый слой. Это тот текст, который можно выделить мышью: набранный в текстовом редакторе и экспортированный в PDF, сохранённый из браузера или распознанный самим сканером во время сканирования. PDF to Text читает именно этот слой.
Распознаванием текста (OCR) PDF to Text не занимается и не читает надписи на фотографиях или отсканированных страницах, сохранённых как картинка. Если у страницы нет текстового слоя, извлекать с неё нечего.
Файл обрабатывается в браузере и не загружается на серверы app.zone.
Как извлечь текст
- Перетащите файл в область с надписью Перетащите PDF сюда или нажмите Добавить PDF. За один раз открывается один PDF; если перетащить сразу несколько, откроется первый.
- Следите за чтением. Страницы появляются по очереди, у каждой — небольшой заголовок вроде Страница 1. Строка прогресса показывает, например, Страница 7 / 20.
- Если нужно прерваться, нажмите Остановить; чтобы продолжить с того же места — Продолжить.
- Когда прочитаны все страницы, нажмите Копировать всё или Скачать TXT.
Над текстом есть строка с именем файла, количеством страниц и количеством символов — именно символов, а не слов. Чтобы открыть другой документ, нажмите Сменить PDF.
Каким получится текст
Это простой текст без оформления. Каждая строка на странице становится отдельной строкой текста. Слово, перенесённое в конце строки, сохраняет дефис. Колонтитулы остаются в тексте. Таблица превращается в набор строк: одна строка таблицы — одна строка текста, ячейки разделены пробелами. Страницы, явно свёрстанные в две колонки, читаются по колонкам.
Копировать всё копирует все страницы подряд, отделяя их пустой строкой. У заголовка каждой страницы есть маленькая кнопка, которая копирует только эту страницу. Скачать TXT сохраняет файл с тем же именем, что и у PDF; на iPhone и iPad кнопка называется Сохранить или поделиться.
Если текста нет или его меньше, чем ожидалось
- PDF, для открытия которого нужен пароль, открыть не получится.
- Страницы без выделяемого текста перечислены в заметке вверху (например, «страницы 3–5»). Для каждой указана причина: это изображение, возможно скан; на ней только рисунки или текст, превращённый в фигуры; или она пустая.
- Если текста нет ни на одной странице, появится сообщение В этом PDF не найден выделяемый текст, а кнопки Копировать всё и Скачать TXT останутся неактивными.
- Если автор документа запретил копирование, вы увидите Этот PDF запрещает копировать текст с пояснением. Текст не показывается и не сохраняется, сам файл не меняется.