Преобразовать PDF в текст

Как это работает

«Цифровой» PDF, созданный в текстовом редакторе или на сайте, хранит текст в виде символов: инструмент считывает их страница за страницей и собирает вместе. Затем можно скопировать всё целиком или скачать файл .txt.

А если PDF отсканирован?

Отсканированный документ состоит только из изображений: извлекать в нём нечего. Инструмент сообщит об этом и предложит распознавание текста (OCR), которое читает буквы на изображении.

Полезно знать

• Форматирование не сохраняется: колонки, таблицы и заголовки превращаются в обычный текст. Так задумано, чтобы его было легко использовать дальше.
• Порядок чтения соответствует структуре файла: в документах с несколькими колонками отдельные строки могут перемешаться.
• Специальные символы сохраняются на любом языке.

Применение

• Процитировать фрагмент отчёта, не перепечатывая его.
• Перевести документ с помощью переводчика.
• Посчитать слова в дипломе или статье.
• Найти нужные сведения в длинном договоре.

Частые вопросы

Загружается ли мой PDF на сервер?

Нет. Извлечение выполняется в браузере: файл остаётся на вашем устройстве.

Почему извлечённый текст пустой?

Скорее всего, PDF отсканирован и содержит только изображения. Воспользуйтесь инструментом распознавания текста (OCR).

Можно ли сохранить форматирование?

Нет, инструмент выдаёт обычный текст. Чтобы сохранить вёрстку, нужен конвертер в формат текстового редактора.