Jak wyciągnąć tekst z PDF?
Upuść PDF w polu powyżej i poczekaj chwilę, aż strony zostaną odczytane. Potem kliknij „Wyciągnij tekst” i pobierz plik TXT. Zawiera on słowa z każdej strony po kolei, gotowe do otwarcia w Notatniku, TextEdit czy dowolnym edytorze. Twój oryginalny PDF się nie zmienia.
Wynik jest celowo prosty. Nie ma czcionek, kolorów ani obrazków, tylko tekst, dzięki czemu plik jest mały, łatwo go przeszukać i łatwo wkleić do innego dokumentu. Jeśli potrzebujesz też układu, lepszą drogą jest PDF na Word albo oryginalny plik. Ludzie wpisują w wyszukiwarkę zarówno „pdf do tekstu”, jak i „pdf na txt”, a chodzi o to samo: o czyste słowa bez reszty.
Wskazówka: Otwórz plik TXT w edytorze tekstu i użyj funkcji znajdź i zamień, żeby usunąć zbędne podziały wierszy. Tekst z wąskiej kolumny często łamie się po każdej linijce, a jedna zamiana to naprawia.
Dlaczego nie mogę skopiować tekstu z PDF?
Zwykle są trzy powody. Najczęstszy to taki, że PDF jest skanem, czyli fotografią strony, i w ogóle nie zawiera tekstu. Nie da się nic zaznaczyć, bo nie ma czego zaznaczać. Rozwiązaniem jest OCR, który czyta obraz i zamienia go w prawdziwy tekst.
Drugi powód to blokada uprawnień. Niektóre PDF pozwalają na oglądanie, ale blokują kopiowanie. Jeśli znasz hasło, narzędzie Usuń hasło z PDF je zdejmie i wtedy wyciągniesz tekst. Trzeci powód to nietypowe kodowanie czcionki, przy którym tekst da się zaznaczyć, ale po wklejeniu wychodzą nieczytelne krzaczki zamiast liter, także zamiast polskich znaków. Wtedy najczystszym wyjściem jest często OCR wyrenderowanej strony.
Jak wygląda wyciągnięty tekst?
Dostajesz słowa w kolejności, w jakiej występują na każdej stronie, z podziałem wiersza wszędzie tam, gdzie PDF łamie linię. Akapity zwykle wychodzą jako krótkie wiersze, a tabela staje się rzędami tekstu ze zlepionymi komórkami. Nagłówki, stopki i numery stron pojawiają się tam, gdzie były wydrukowane, bo to też tekst.
To normalne przy wyciąganiu tekstu z PDF. PDF zapisuje każdy kawałek tekstu w konkretnym miejscu strony i tak naprawdę nie wie, czym jest akapit czy tabela. Narzędzie czyta to, co jest, i zapisuje po kolei. Przy rozdziale pracy magisterskiej albo artykule, który chcesz zacytować, sprawdza się świetnie. Przy złożonej tabeli przypominającej arkusz spodziewaj się ręcznego odtwarzania kolumn albo użyj narzędzia PDF na Excel.
Czy wyciąganie tekstu z PDF online jest bezpieczne?
Tak, bo PDF nie jest wysyłany. Stronę otwierasz w internecie, ale tekst czyta Twoja przeglądarka na Twoim urządzeniu. Dokument i zawarte w nim słowa nigdy nie trafiają na serwer, co pasuje do umów, wyników badań i wszystkiego, czego nie chcesz wysyłać mailem obcej osobie. Ponieważ nie wysyłamy Twoich plików, nie przetwarzamy też zawartych w nich danych osobowych.
Możesz to potwierdzić na karcie Sieć w przeglądarce podczas wyciągania tekstu. Nie ma żadnego zapytania, które niosłoby Twój PDF. Plik TXT także powstaje w przeglądarce i trafia prosto do folderu z pobranymi plikami.