Hent ut tekst fra en PDF
Hent ordene ut av en PDF som ren tekst, uten å sende dokumentet noe sted.
- Kjører på enheten din — filen sendes aldri noe sted
- Ingen registrering, ingen vannmerker, ingen daglige kvoter
- Gratis, uten grense for hvor ofte du bruker det
Slik fungerer det
En PDF som inneholder ekte tekst, har selve tegnene lagret, plassert på siden. Dette verktøyet leser dem ut i siderekkefølge og skriver dem til en ren tekstfil. Det er nyttig til sitering, søk, ordtelling eller for å mate et dokument inn i noe som ikke kan lese PDF.
Tekst-PDF-er og skannede PDF-er er ulike ting
Hvis en PDF ble laget av et tekstbehandlingsprogram eller en eksport, er teksten lagret som tekst, og uthenting fungerer. Hvis den ble laget av en skanner eller et telefonkamera, er hver side et fotografi av et dokument. Da finnes det ingen tegn å hente ut, bare piksler. Å lese dem krever OCR, som dette verktøyet bevisst ikke forsøker. Det forteller deg når det ikke finner noe, i stedet for å gi deg en tom fil uten forklaring.
Utformingen overlever ikke
PDF lagrer tekst som fragmenter plassert ved koordinater, ikke som avsnitt. Uthentingen rekonstruerer linjer ved å gruppere fragmenter i samme høyde, noe som fungerer godt for vanlig prosa og dårlig for oppsett med flere kolonner, tabeller og sidefelt, der leserekkefølgen kan bli rotete.
Sidemarkører
Hver side innledes av en markør slik at du ser hvor én slutter og neste begynner. Fjern dem med finn og erstatt hvis du vil ha sammenhengende prosa.
Hent ut tekst fra en PDF – spørsmål
Hvorfor er den uthentede filen tom?
PDF-en er nesten helt sikkert en skanning. Sidene er bilder og ikke tekst, så det finnes ingen tegn å hente ut. Å lese dem krever OCR, som dette verktøyet ikke gjør.
Lastes PDF-en min opp?
Nei. Uthentingen kjører i nettleseren din med Mozillas PDF.js. Dokumentet forlater aldri enheten din.
Beholder det formateringen?
Nei. Du får ren tekst. PDF lagrer tekst som plasserte fragmenter og ikke som avsnitt, så spesielt kolonner og tabeller kan komme ut i uventet rekkefølge.