Konwersja PDF na tekst

Narzędzie PDF na tekst od FileReshape odczytuje warstwę tekstową każdej strony i zapisuje ją jako jeden zwykły plik .txt w UTF-8 albo pokazuje tekst gotowy do skopiowania. Tekst jest wyodrębniany w Twojej przeglądarce, a plik PDF nie jest wysyłany na serwer. Zeskanowane pliki PDF bez warstwy tekstowej nie dają tekstu, bo narzędzie nie wykonuje OCR, kolumny i tabele mogą się pomieszać, a układ strony nie jest zachowywany.

Upuść tutaj plik PDF lub kliknij, aby wybrać

Plik nie przekonwertował się poprawnie? Napisz na [email protected], najlepiej z małym przykładowym plikiem, a błąd zostanie naprawiony.

Najważniejsze informacje

Wejście: PDF (.pdf). Wyjście: Zwykły tekst (.txt).
Pliki nie są wysyłane: praca odbywa się w przeglądarce, na Twoim urządzeniu.
Rozmiar pliku: brak stałego limitu; bardzo duże pliki ogranicza pamięć urządzenia.
Wymaga aktualnej przeglądarki (Chrome, Edge, Firefox lub Safari) na komputerze, tablecie lub telefonie; nic nie trzeba instalować.
Bezpłatnie i bez rejestracji.

Po co zamieniać PDF na zwykły tekst

Kopiowanie tekstu z czytnika PDF sprawdza się przy jednym zdaniu, ale przy całym dokumencie wlecze za sobą dziwne podziały wierszy, pomija strony albo kończy się na krawędzi ekranu. To narzędzie odczytuje warstwę tekstową każdej strony i daje Ci jeden zwykły plik tekstowy w UTF-8, gotowy do edytora tekstu, narzędzia do tłumaczenia, skryptu albo wyszukiwania. Tekst pojawia się też na stronie z przyciskiem „Kopiuj”, więc możesz go gdzieś wkleić bez pobierania czegokolwiek. Wybierz, jak oddzielać strony: krótką linią znacznika, np. „--- Strona 2 ---”, pustym wierszem albo znakiem wysuwu strony dla narzędzi, które w ten sposób liczą strony. Wiele plików PDF, zwłaszcza skanów, w ogóle nie ma warstwy tekstowej; narzędzie informuje, których stron to dotyczy, zamiast dawać Ci pusty plik.

Jak wyodrębnić tekst z pliku PDF

Upuść plik PDF w polu albo kliknij, aby go wybrać.
Wybierz, co ma się znaleźć między stronami.
Kliknij „Wyodrębnij tekst”, a potem pobierz plik .txt albo skopiuj tekst z pola poniżej.

Warto wiedzieć

Zeskanowane pliki PDF nie mają tekstu

Skaner lub aparat w telefonie zapisuje każdą stronę jako obraz. Jeśli przy tworzeniu pliku PDF nie wykonano OCR (rozpoznawania tekstu), nie ma tekstu do wyodrębnienia, a to narzędzie nie wykonuje OCR. Narzędzie podaje numery stron bez tekstu, więc PDF, w którym są zarówno strony z tekstem, jak i zeskanowane załączniki, nadal jest przydatny.

Kolumny i tabele

Tekst wychodzi w takiej kolejności, w jakiej zapisuje go PDF. Przy zwykłych akapitach jest to kolejność czytania. Gazety z kilkoma kolumnami, formularze i tabele mogą wyjść kolumna po kolumnie albo z komórkami zlepionymi w jednym wierszu, więc sprawdź je, zanim zaczniesz polegać na wyniku.

Dziwne znaki

Niektóre pliki PDF, często starsze albo utworzone przez pewne sterowniki drukarek, używają czcionek bez tabeli, która mówi, jaka litera odpowiada każdemu kształtowi. Ich tekst może dobrze wyglądać na ekranie, a po wyodrębnieniu zamienić się w bezsensowne symbole. To cecha samego pliku; inne narzędzie odczytujące tę samą warstwę tekstową da ten sam wynik.

Układ nie jest zachowywany

Plik .txt nie ma czcionek, pogrubień, obrazów ani układu strony, tylko znaki i podziały wierszy. Nagłówki, stopki i numery stron wydrukowane na stronach są częścią tekstu i pojawiają się na każdej stronie.

O formatach plików

PDF

PDF (Portable Document Format) został opracowany przez Adobe w 1993 roku, a od 2008 roku jest normą ISO. Plik PDF wygląda tak samo na każdym urządzeniu, dlatego używa się go do umów, faktur, formularzy, instrukcji i zeskanowanych dokumentów.

Strona może zawierać tekst, grafikę wektorową i obrazy, każdy element umieszczony dokładnie na swoim miejscu.
Zeskanowany dokument to zwykle jeden obraz na stronę.
PDF można zabezpieczyć hasłem, które jest potrzebne do jego otwarcia lub edycji.

Zwykły tekst

Plik tekstowy (.txt) zawiera tylko znaki i podziały wierszy: bez czcionek, kolorów, obrazów i układu strony. Dzięki temu jest to najbardziej przenośny format dokumentów, jaki istnieje, czytelny dla każdego edytora, wyszukiwarki i języka programowania.

Kodowanie decyduje o tym, jak zapisywane są litery spoza A-Z; UTF-8 obejmuje każdy alfabet.
Windows kończy wiersze znakami CR LF, Mac i Linux znakiem LF; współczesne edytory czytają oba warianty.
Nie ma układu stron, więc podziały stron są zapisywane jako wiersze-znaczniki lub znaki wysuwu strony (form feed).

Najczęściej zadawane pytania

Czy mój plik PDF jest wysyłany na serwer?

Nie. Tekst jest odczytywany przez Twoją przeglądarkę na Twoim własnym urządzeniu i ani PDF, ani tekst nie są nigdzie wysyłane.

Jakiego kodowania używa plik tekstowy?

UTF-8, które zachowuje litery takie jak ą, ł czy ż oraz znaki z innych alfabetów. Każdy współczesny edytor tekstu, w tym Notatnik w Windows 10 i 11 oraz TextEdit na Macu, otwiera go poprawnie.

Czy mogę wyodrębnić tekst z pliku PDF chronionego hasłem?

Nie, jeśli wymaga on hasła do otwarcia. Najpierw usuń hasło w czytniku PDF, a potem wyodrębnij tekst tutaj.

Czy mogę pobrać tekst tylko z niektórych stron?

Narzędzie odczytuje cały dokument. Aby uzyskać kilka stron, najpierw wyodrębnij je do nowego pliku PDF i przekonwertuj ten plik albo zachowaj znaczniki stron i usuń niepotrzebne fragmenty w edytorze tekstu.