Convertire PDF in testo
Lo strumento di FileReshape per convertire PDF in testo legge il livello di testo di ogni pagina e lo salva in un unico file .txt semplice in UTF-8, oppure lo mostra pronto da copiare. Il testo viene estratto nel Suo browser e il PDF non viene caricato. I PDF scansionati senza livello di testo non danno testo, perché lo strumento non esegue l'OCR, colonne e tabelle possono uscire mescolate e l'impaginazione non viene mantenuta.
Un file non è stato convertito correttamente? Scrivi a [email protected], possibilmente con un piccolo file di esempio, e verrà corretto.
In breve
- Input: PDF (.pdf). Output: Testo semplice (.txt).
- I tuoi file non vengono caricati: l'elaborazione avviene nel browser, sul tuo dispositivo.
- Dimensione: nessun limite fisso; i file molto grandi sono limitati dalla memoria del dispositivo.
- Serve un browser aggiornato (Chrome, Edge, Firefox o Safari) su computer, tablet o telefono; niente da installare.
- Gratuito e senza registrazione.
Perché trasformare un PDF in testo semplice
Copiare il testo da un lettore PDF funziona per una frase, ma per un intero documento si porta dietro strani a capo, salta pagine o si ferma alla fine dello schermo. Questo strumento legge il livello di testo di ogni pagina e Le dà un unico file di testo semplice in UTF-8, pronto per un editor di testo, uno strumento di traduzione, uno script o una ricerca. Il testo compare anche sulla pagina con un pulsante «Copia il testo», così può incollarlo altrove senza scaricare nulla. Scelga come separare le pagine: una breve riga di riferimento come «--- Pagina 2 ---», una riga vuota, oppure un carattere di interruzione di pagina (form feed) per gli strumenti che contano le pagine in quel modo. Molti PDF, soprattutto le scansioni, non hanno alcun livello di testo; lo strumento Le indica quali pagine sono interessate invece di consegnarLe un file vuoto.
Come estrarre il testo da un PDF
- Trascini il PDF nel riquadro, oppure faccia clic per sceglierlo.
- Scelga che cosa mettere tra le pagine.
- Faccia clic su «Estrai il testo», poi scarichi il file .txt oppure copi il testo dal riquadro sottostante.
Che cosa sapere
I PDF scansionati non contengono testo
Uno scanner o la fotocamera di uno smartphone salva ogni pagina come immagine. Se durante la creazione del PDF non è stato eseguito l'OCR (riconoscimento del testo), non c'è testo da estrarre, e questo strumento non esegue l'OCR. Le pagine senza testo vengono elencate per numero, quindi un PDF che mescola pagine digitate e allegati scansionati resta comunque utile.
Colonne e tabelle
Il testo esce nell'ordine in cui il PDF lo salva. Per i normali paragrafi è l'ordine di lettura. I giornali con più colonne, i moduli e le tabelle possono uscire colonna per colonna o con le celle unite su una sola riga, quindi li controlli prima di fare affidamento sul risultato.
Caratteri strani
Alcuni PDF, spesso quelli più vecchi o creati da certi driver di stampa, usano font senza una tabella che indichi a quale lettera corrisponde ogni forma. Il loro testo può apparire corretto sullo schermo ma uscire come simboli senza senso. È una caratteristica del file; un altro strumento che legge lo stesso livello di testo ottiene lo stesso risultato.
L'impaginazione non viene mantenuta
Un file .txt non ha font, grassetto, immagini né impaginazione, solo caratteri e a capo. Intestazioni, piè di pagina e numeri di pagina stampati sulle pagine fanno parte del testo e compaiono su ogni pagina.
Informazioni sui formati
Il PDF (Portable Document Format) è stato creato da Adobe nel 1993 ed è una norma ISO dal 2008. Un PDF appare identico su qualsiasi dispositivo, per questo si usa per contratti, fatture, moduli, manuali e documenti scansionati.
- Una pagina può contenere testo, grafica vettoriale e immagini, ciascuno collocato con precisione.
- Un documento scansionato di solito è composto da un'immagine per pagina.
- Un PDF può essere protetto da una password, necessaria per aprirlo o modificarlo.
Testo semplice
Un file di testo semplice (.txt) contiene solo caratteri e a capo: niente font, colori, immagini o impaginazione. Per questo è il formato di documento più portabile che esista, leggibile da qualsiasi editor, strumento di ricerca e linguaggio di programmazione.
- La codifica stabilisce come vengono salvate le lettere oltre la A-Z; l'UTF-8 copre tutti gli alfabeti.
- Windows termina le righe con CR LF, Mac e Linux con LF; gli editor attuali leggono entrambi.
- Non c'è impaginazione, quindi le interruzioni di pagina vengono scritte come righe di riferimento o come caratteri di interruzione di pagina (form feed).
Domande frequenti
Il mio PDF viene caricato?
No. Il testo viene letto dal Suo browser sul Suo dispositivo, e né il PDF né il testo vengono inviati da nessuna parte.
Quale codifica usa il file di testo?
UTF-8, che conserva lettere come à, è, ü ed é e i caratteri di altri alfabeti. Tutti gli editor di testo attuali, compreso il Blocco note di Windows 10 e 11 e TextEdit su Mac, lo aprono correttamente.
Posso estrarre il testo da un PDF protetto da password?
No, se serve una password per aprirlo. Rimuova prima la password nel Suo lettore PDF, poi estragga qui il testo.
Posso ottenere il testo solo di alcune pagine?
Lo strumento legge l'intero documento. Per ottenere poche pagine, estragga prima quelle pagine in un nuovo PDF e converta quel file, oppure mantenga le righe di riferimento delle pagine ed elimini in un editor di testo ciò che non Le serve.