Zakaj je izvlečeno besedilo prazno ali zmešano?

Če je bil PDF ustvarjen s skeniranjem fizičnega dokumenta, morda sploh nima plasti besedila — je dejansko slika besedila. Najprej uporabite orodje OCR za dodajanje plasti besedila, nato izvlecite. Zmešano besedilo se včasih pojavi, ko PDF uporablja nestandardno kodiranje pisave; v takih primerih poskusite pretvorbo PDF v Word, ki uporablja drug mehanizem ekstrakcije.

Ali lahko izvleče besedilo iz PDF, zaščitenega z geslom?

Da, če imate geslo. Vnesite ga v polje za geslo med nalaganjem. Upoštevajte, da imajo nekateri PDF-ji ločeno dovoljenje za 'omejitev vsebine', ki preprečuje kopiranje celo po odklepanju — izluščevalnik vas bo obvestil, če to velja.

Ali pravilno obravnava dvostolpične akademske članke?

Da. Analiza postavitve prostorsko identificira območja stolpcev in jih izpiše v vrstnem redu branja — najprej levi stolpec, nato desni stolpec. To velja za dvo- in trostolpične postavitve, ki so pogosto prisotne v akademskih revijah in časopisih.

Kaj se zgodi s slikami v PDF?

Slike niso vključene v besedilni rezultat — izvleče se le plast vsebine besedila. Če potrebujete tudi slike, uporabite orodje Izvleci slike na istem dokumentu.

Ali je izvlečeno besedilo iskalno?

Rezultat je navadna besedilna datoteka, ki je inherentno iskalna z vsakim urejevalnikom besedila, ukazom terminala ali orodjem za indeksiranje iskanja. Za iskanje rezultata ni posebnih zahtev.

Ali lahko izvlečem besedilo samo z določenih strani?

Da. Uporabite polje za obseg strani, da določite posamezne strani ali obsege (na primer 1-5 ali 3,7,12). Obdelane so in vključene v rezultat samo izbrane strani.

Ali ohranja strukturo tabele v rezultatu?

Celice tabele so izvlečene z ohranjenimi prostorskimi razmerji, kjer je to mogoče. Preproste tabele z jasnimi mejami so izpisane v formatu, ločenem s tabulatorji, ki ga je mogoče uvoziti v programsko opremo za preglednice. Zapletene tabele s spojenimi celicami morda zahtevajo ročno čiščenje.

Kako se to razlikuje od kopiranja besedila iz pregledovalnika PDF?

Pregledovalniki PDF vizualno izbirajo besedilo, ki se prelomi pri večstolpičnih postavitvah in dolgih odstavkih, ki segajo čez strani. Ta izluščevalnik neposredno prebere osnoven tok vsebine, kar daje natančnejše meje odstavkov in pravilen vrstni red branja po celotnem dokumentu v enem koraku.

Ali lahko izvlečem besedilo iz zelo velikega PDF?

Da. Orodje obvladuje PDF s stotinami strani. Čas obdelave se povečuje z dolžino dokumenta — dokument s 200 stranmi se običajno zaključi v manj kot 30 sekundah.

Kaj, če potrebujem besedilo v formatu Word namesto navadnega besedila?

Uporabite orodje PDF v Word, ki izvleče vsebino v datoteko DOCX z približno ohranjenostjo postavitve, vključno z naslovi, krepkim in poševnim slogom ter osnovno strukturo tabele.

Vsa orodja

PDF u tekst

Izvlači tekst iz PDF-a

1Naloži

2Konfiguriraj

3Obdelaj

Drop file here

PDF, Word, Excel, PowerPoint, images up to 25 MB

Ključne funkcije

Izvleče besedilo neposredno iz plasti vsebine PDF
Rekonstruira pravilen vrstni red branja za večstolpične postavitve
Ohranja strukturo odstavkov in razmike
Obvladuje tabele z mejami vrstic in stolpcev
Podpira PDF do sto strani
Ustvari čisto datoteko TXT za prenos
Predogled izvlečenega besedila v brskalniku pred prenosom
Kopiranje besedila neposredno iz podokna za predogled
Obdeluje PDF z zapleteno gnezdeno strukturo besedila
Identificira in preskoči okrasne ali nesemantične besedilne elemente
Deluje z PDF
zaščitenimi z geslom
če posredujete geslo
Ni potreben račun ali registracija
Datoteke takoj izbrisane po obdelavi
Šifriranje TLS za vse prenose
Deluje v vseh sodobnih brskalnikih

Primeri uporabe

Kopiranje vsebine poročila za lepljenje v urejevalnik dokumentov
Izvlečenje klavzul pogodbe za pravni pregled v urejevalniku besedila
Pridobivanje podatkov iz PDF računov za delovni tok preglednice
Izvlečenje besedila znanstvenega članka za orodja za upravljanje citatov
Posredovanje vsebine PDF v orodja za prevajanje ali lokalizacijo
Izgradnja iskalnega besedilnega indeksa iz knjižnice PDF datotek
Izvlečenje opisov izdelkov iz katalogov PDF dobaviteljev
Priprava vsebine PDF za vnos v orodja AI za povzemanje ali analizo

Kako uporabiti

1Naložite PDF s klikom na območje za nalaganje ali vlečenjem datoteke iz upravitelja datotek.
2Izberite nastavitve rezultata — navadno besedilo ali oblikovano besedilo z ohranjenimi razmiki odstavkov.
3Kliknite Izvleci in počakajte, da orodje obdela plast besedila dokumenta.
4Preglejte izvlečeno besedilo v podoknu za predogled. Preverite, ali sta vrstni red stolpcev in struktura odstavkov pravilna.
5Prenesite datoteko TXT ali kopirajte besedilo neposredno iz predogleda v odložišče.

Odprete PDF, poskusite kopirati odstavek in dobite bodisi nič bodisi zmešnjavo znakov z naključnimi prelomi vrstic sredi stavkov. To se zgodi pri PDF-jih, izvoženih iz oblikovalskih aplikacij, skeniranih dokumentih, ki so šli skozi slab postopek OCR, ali datotekah z zapleteno večstolpično postavitvijo. Besedilo je vizualno prisotno — preberete ga — a ga ni mogoče dovolj čisto izbrati, da bi ga prilepili kamor koli uporabno. Izluščevalnik PDF v besedilo dokk.ai prebere dejansko plast vsebine besedila, vdelano v datoteko PDF, ne posnetka zaslona. Za standardne PDF, ki temeljijo na besedilu, to pomeni, da se vsak znak, beseda in odstavek izvleče točno tako, kot je strukturiran — vključno z vrstnim redom branja za večstolpične postavitve, mejami celice tabele, elementi seznama in opombami. Ekstrakcija ohranja razmike odstavkov, zato je rezultat pripravljen za lepljenje v urejevalnik dokumentov, e-pošto ali sistem za upravljanje vsebine brez ročnega čiščenja. Postavitve z veliko stolpci — kot so akademski članki, novičarski članki in večstolpične brošure — so obravnavane s korakom analize postavitve, ki identificira besedilna območja in pravilno rekonstruira vrstni red branja. Brez tega koraka dvostolpičen PDF, naivno izvlečen, ustvari prepleteno besedilo iz obeh stolpcev, kar je neberljivo. Izluščevalnik prostorsko identificira stolpce in jih izpiše v pravilnem zaporedju, najprej levi stolpec. Pri skeniranih PDF-jih ali dokumentih, ki temeljijo na slikah in nimajo plasti besedila, bo standardno orodje za ekstrakcijo pravilno sporočilo, da besedila ni. V takih primerih je treba najprej uporabiti orodje OCR dokk.ai — obdela skenirane strani z optičnim prepoznavanjem znakov in ustvari iskalno plast besedila, ki jo je nato mogoče izvleči ali kopirati. Orodje PDF v Word je alternativa, kadar potrebujete izvlečeno vsebino v urejajoem formatu DOCX s približno ohranjenostjo postavitve, namesto navadnega besedila. Izvlečeno besedilo je na voljo kot prenosna datoteka TXT in ga je mogoče kopirati neposredno iz podokna za predogled. To olajša posredovanje izvlečene vsebine v orodja za prevajanje, cevovode AI, iskalneindekse ali skripte za analizo vsebine. Orodje Izvleci slike obravnava komplementarno nalogo izvlečenja vdelane grafike iz istega PDF, če potrebujete tako besedilo kot vizualno vsebino iz enega dokumenta.

Pogosto zastavljena vprašanja

Varnost in zasebnost

Vaš PDF je naložen prek šifrirane povezave TLS in izbrisan z naših strežnikov takoj po izvlečenju besedila. Ne beremo, ne indeksiramo niti ne shranjujemo vsebine vaše dokument. Registracija ni potrebna.