PDF в текст — извлечь текст из PDF онлайн
Инструмент в браузере, который постранично извлекает текст из PDF для копирования или сохранения в TXT
Работает в браузере · файлы никуда не загружаются
Перетащите сюда PDF, из которого нужно извлечь текст
Добавьте один PDF (до 100 МБ). Новый файл заменит текущий. Файлы не покидают ваш браузер.
Что это за инструмент
Он превращает текст внутри PDF в обычный текст. Пригодится, чтобы перенести отчёт в текстовый редактор, процитировать часть статьи или найти фразу в длинном договоре. Можно открыть каждую страницу отдельно и скопировать её, скопировать всё сразу или скачать файл TXT. Если буквы ломаются из-за шрифтов или в скане нет текста вовсе, страница объяснит причину и подскажет, что делать. Всё работает в браузере.
Как пользоваться
- Перетащите один PDF в область с пунктирной рамкой или нажмите Выбрать PDF.
- Если нужна только часть, укажите диапазон страниц, например
1-3, 5. Пустое поле — все страницы. - Решите, нужен ли разделитель вида
--- Страница 1 ---между страницами. - Нажмите Извлечь текст, чтобы получить весь текст и текст каждой страницы. На длинных файлах кнопка Остановить завершает работу досрочно и сохраняет прочитанное.
- Скопируйте всё, одну страницу или скачайте файл TXT.
Как это работает
- Извлечение: фрагменты текста, которые читает PDF.js, соединяются в порядке хранения. Новая строка начинается на метке конца строки или там, где базовая линия сдвигается больше чем на полстроки; между заметно разнесёнными фрагментами одной строки ставится пробел. Пробелы в конце строк удаляются, подряд идущие пустые строки сжимаются до одной.
- Предупреждение о сломанном тексте: появляется, когда не меньше 3 символов и не меньше 2 % видимых — это символы замены (�), символы из области частного использования или управляющие символы.
- Страницы без текста: выводятся их номера; если пусты все страницы, файл считается сканом и предлагается OCR.
- Файл TXT: UTF-8 с меткой порядка байтов и переносами строк Windows (CRLF), чтобы кириллица, китайские иероглифы и эмодзи открывались правильно даже в старом Блокноте.
- Ограничения: файлы до 100 МБ. OCR нет.
- Библиотеки: PDF.js (Apache-2.0). Таблицы символов для китайских, японских и корейских шрифтов раздаются с этого сайта и загружаются только при необходимости.
Примеры
| Файл | Результат |
|---|---|
| Отчёт, экспортированный из Word | Абзацы и строки как в оригинале |
| Статья в две колонки | Обычно сначала левая колонка, потом правая; ячейки таблиц могут слиться |
| Отсканированный чек | «Текст не найден» с подсказкой про OCR |
| PDF, у шрифта которого нет таблицы Unicode | Предупреждение о сломанном тексте и способ исправить |
Для фотографий из PDF воспользуйтесь инструментом «Извлечь изображения из PDF», а чтобы сохранить вид страниц целиком — «PDF в JPG».
Частые вопросы
Мой PDF загружается куда-то?
Нет. Извлечение выполняется только в браузере, файл никуда не отправляется. Текст существует только на этой странице и в скачанном вами файле TXT.
Извлечённый текст превратился в кракозябры. Почему?
Если в PDF встроен шрифт без таблицы Unicode, буквы видны на экране, но при чтении как текст превращаются в пробелы или странные значки. Когда таких символов набирается достаточно, инструмент предупреждает об этом. Решение — заново экспортировать PDF из исходной программы или воспользоваться распознаванием текста (OCR).
Почему из отсканированного PDF ничего не извлекается?
В отсканированном или сфотографированном PDF каждая страница — картинка, текста в нём нет, а OCR этот инструмент не выполняет. Если текст не найден вовсе, вы увидите сообщение; сначала обработайте файл программой или приложением-сканером с распознаванием текста.
Переносы строк и порядок совпадают с оригиналом?
Текст идёт в том порядке, в каком хранится в PDF, а строки разбиваются по меткам конца строки и там, где скачет базовая линия. Большинство документов выходит в порядке чтения, но многоколоночная вёрстка, таблицы и текстовые блоки могут перемешаться или слиться.
Работает ли с защищёнными PDF?
PDF, которые требуют пароль при открытии, пока не поддерживаются. PDF, которые открываются без пароля, но запрещают печать или редактирование, открываются, и их текст читается. Условия использования документа проверьте самостоятельно.
